Bayesian methodsBayesian / computational

动态哈密顿蒙特卡洛

动态哈密顿蒙特卡洛（通常称为无转弯采样器，NUTS）是哈密顿蒙特卡洛的一种自适应扩展，它能自动选择每次马尔可夫链蒙特卡洛（MCMC）转移过程中的蛙跳积分步数，从而无需手动调整标准HMC最敏感的调优参数。它是Stan和PyMC中的默认采样器，适用于中高维度的连续、可微后验分布。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

动态哈密顿蒙特卡洛

Bayesian Regression Gibbs Sampling Hamiltonian Monte Carlo 顺序蒙特卡洛变分推断

来源

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(1), 1593–1623. link ↗
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

如何引用本页

ScholarGate. (2026, June 3). Dynamic Hamiltonian Monte Carlo (No-U-Turn Sampler). ScholarGate. https://scholargate.app/zh/bayesian/dynamic-hamiltonian-monte-carlo

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →