Bayesian methodsBayesian / computational
分层哈密顿蒙特卡洛
分层哈密顿蒙特卡洛(分层HMC)将哈密顿蒙特卡洛采样应用于贝叶斯分层模型,解决了这些模型带来的严峻的几何挑战。通过结合非中心化参数化和HMC的梯度驱动提议,它能够有效地探索标准MCMC方法难以处理的多层漏斗形几何后验分布。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录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。
来源
- Betancourt, M. & Girolami, M. (2015). Hamiltonian Monte Carlo for hierarchical models. In S. K. Upadhyay, U. Singh, D. K. Dey & A. Loganathan (Eds.), Current Trends in Bayesian Methodology with Applications (pp. 79-101). CRC Press. link ↗
- Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A. & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). CRC Press. ISBN: 978-1439840955
如何引用本页
ScholarGate. (2026, June 3). Hamiltonian Monte Carlo for Hierarchical Models. ScholarGate. https://scholargate.app/zh/bayesian/hierarchical-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。
- Bayesian Regression贝叶斯↔ 比较
- Hamiltonian Monte Carlo贝叶斯↔ 比较
- 分层贝叶斯推断贝叶斯↔ 比较
- 分层马尔可夫链蒙特卡洛贝叶斯↔ 比较
- 马尔可夫链蒙特卡洛 (MCMC)贝叶斯↔ 比较