Гамільтонівський Монте-Карло з пропущеними даними
Гамільтонівський Монте-Карло (HMC) з пропущеними даними розширює градієнтний семплер HMC для обробки неповних спостережень, розглядаючи пропущені значення як додаткові невідомі параметри. Апостеріорний розподіл параметрів моделі та пропущених значень вибірково генерується спільно за один ефективний прохід, використовуючи інформацію про градієнт для дослідження багатовимірного спільного простору з набагато меншою кількістю відхилених пропозицій, ніж у випадкових блукань MCMC.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Карта методів
Околиця споріднених методів — виберіть вузол, щоб дослідити.
Джерела
- Neal, R. M. (2011). MCMC using Hamiltonian dynamics. In S. Brooks, A. Gelman, G. Jones & X.-L. Meng (Eds.), Handbook of Markov Chain Monte Carlo (pp. 113-162). CRC Press. ISBN: 978-1420079418
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. Chapter 18: Missing-data imputation. ISBN: 978-1439840955
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo with Missing Data Imputation. ScholarGate. https://scholargate.app/uk/bayesian/hamiltonian-monte-carlo-with-missing-data
Який метод?
Поставте цей метод поруч із його найближчими спорідненими й читайте їх пліч-о-пліч — бібліотека викладає книги на стіл; вибір за вами.
- Байєсівський висновок з пропущеними данимиБаєсові методи↔ порівняти
- Вибірка Гіббса з пропущеними данимиБаєсові методи↔ порівняти
- Гамільтонів Монте-КарлоБаєсові методи↔ порівняти
- MCMC з пропущеними данимиБаєсові методи↔ порівняти
- Множинне імпутуванняСтатистика↔ порівняти
- Варіаційний вивід з пропущеними данимиБаєсові методи↔ порівняти
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →