No-U-Turn Sampler (NUTS)
No-U-Turn Sampler (NUTS) คืออัลกอริทึม Markov chain Monte Carlo แบบปรับแต่งตัวเอง (self-tuning) ที่แนะนำโดย Hoffman และ Gelman (2014) ซึ่งขยาย Hamiltonian Monte Carlo (HMC) โดยการกำหนดจำนวนขั้นตอน leapfrog ที่เหมาะสมโดยอัตโนมัติ ทำให้ไม่ต้องปรับพารามิเตอร์ที่ละเอียดอ่อนที่สุดด้วยตนเอง NUTS เป็นตัวอย่างเริ่มต้น (default sampler) ใน Stan และ PyMC และทำให้การอนุมานแบบเบย์ (Bayesian inference) ขนาดใหญ่และมีมิติสูงสามารถเข้าถึงได้จริงโดยไม่ต้องให้ผู้ใช้กำหนดความยาวของวิถี (trajectory) ด้วยตนเอง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Hoffman, M. D., & Gelman, A. (2014). The No-U-Turn Sampler: Adaptively setting path lengths in Hamiltonian Monte Carlo. Journal of Machine Learning Research, 15(47), 1593–1623. link ↗
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. L. Jones, & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113–162). CRC Press. DOI: 10.1201/b10905-6 ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1-4398-4095-5
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). No-U-Turn Sampler (NUTS). ScholarGate. https://scholargate.app/th/bayesian/no-u-turn-sampler
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- การถดถอยแบบเบย์ (Bayesian Regression)เบย์↔ compare
- Hamiltonian Monte Carloเบย์↔ compare
- Markov Chain Monte Carlo (MCMC)เบย์↔ compare
- การอนุมานแบบแปรผันเบย์↔ compare