Гіббсівський відбір (Gibbs Sampling)
Гіббсівський відбір — це алгоритм Марковського ланцюга Монте-Карло, який апроксимує багатовимірний а posteriori розподіл шляхом послідовного витягування кожного параметра з його повного умовного розподілу за умови всіх інших параметрів та даних. Оскільки кожен витяг є точним з умовного розподілу, а не пропозицією, яка може бути відхилена, семплер є ефективним, коли ці умовні розподіли доступні у замкненій формі.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+23 more
Джерела
- Geman, S. & Geman, D. (1984). Stochastic relaxation, Gibbs distributions, and the Bayesian restoration of images. IEEE Transactions on Pattern Analysis and Machine Intelligence, 6(6), 721-741. DOI: 10.1109/TPAMI.1984.4767596 ↗
- Gelfand, A. E. & Smith, A. F. M. (1990). Sampling-based approaches to calculating marginal densities. Journal of the American Statistical Association, 85(410), 398-409. DOI: 10.1080/01621459.1990.10476213 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Gibbs Sampling Markov Chain Monte Carlo. ScholarGate. https://scholargate.app/uk/bayesian/gibbs-sampling
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.
- Байєсівська регресіяБаєсові методи↔ compare
- Гамільтонів Монте-КарлоБаєсові методи↔ compare
- Ієрархічний байєсівський висновокБаєсові методи↔ compare
- Метод Монте-Карло на основі ланцюгів Маркова (MCMC)Баєсові методи↔ compare
- Варіаційний висновокБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →