Варіаційний вивід з пропущеними даними
Варіаційний вивід з пропущеними даними — це масштабований баєсівський підхід, який одночасно апроксимує апостеріорний розподіл для латентних змінних і параметрів моделі, імптуючи при цьому пропущені спостереження. Замість точного інтегрування за всіма можливими значеннями пропущених елементів, він постулює піддатний апроксимаційний розподіл та оптимізує його, щоб він був якомога ближчим до істинного спільного апостеріорного розподілу, забезпечуючи швидкий, принциповий вивід навіть у багатовимірних неповних наборах даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Variational Bayesian Inference with Missing Data. ScholarGate. https://scholargate.app/uk/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.
- Байєсівський висновок з пропущеними данимиБаєсові методи↔ compare
- Вибірка Гіббса з пропущеними данимиБаєсові методи↔ compare
- MCMC з пропущеними данимиБаєсові методи↔ compare
- Варіаційний висновокБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →