การอนุมานแบบแปรผันกับข้อมูลที่ขาดหายไป
Variational inference with missing data เป็นแนวทางแบบ Bayesian ที่ปรับขนาดได้ ซึ่งประมาณค่า posterior ของตัวแปรแฝงและพารามิเตอร์ของแบบจำลองไปพร้อมๆ กัน ขณะเดียวกันก็ทำการเติมค่าสังเกตที่ขาดหายไป แทนที่จะทำการอินทิเกรตค่าที่เป็นไปได้ทั้งหมดของข้อมูลที่ขาดหายไปอย่างแม่นยำ วิธีนี้จะกำหนดการแจกแจงประมาณค่าที่สามารถจัดการได้ และปรับให้เหมาะสมเพื่อให้ใกล้เคียงกับ joint posterior ที่แท้จริงมากที่สุด ซึ่งให้ผลลัพธ์เป็นการอนุมานที่รวดเร็วและมีหลักการ แม้ในชุดข้อมูลที่มีมิติสูงและไม่สมบูรณ์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Ghahramani, Z. & Jordan, M. I. (1994). Supervised learning from incomplete data via an EM approach. In Cowan, J. D., Tesauro, G. & Alspector, J. (Eds.), Advances in Neural Information Processing Systems 6 (pp. 120–127). Morgan Kaufmann. link ↗
- Wainwright, M. J. & Jordan, M. I. (2008). Graphical models, exponential families, and variational inference. Foundations and Trends in Machine Learning, 1(1–2), 1–305. DOI: 10.1561/2200000001 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/th/bayesian/variational-inference-with-missing-data
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.
- การอนุมานแบบเบย์สำหรับข้อมูลที่ขาดหายเบย์↔ compare
- Gibbs Sampling with Missing Dataเบย์↔ compare
- MCMC กับข้อมูลที่ขาดหายไปเบย์↔ compare
- การอนุมานแบบแปรผันเบย์↔ compare