ハミルトニアンモンテカルロ法 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 「ハミルトニアンモンテカルロ法」は、モデルのパラメータを推定する手法であり、 マルコフ連鎖モンテカルロ法（MCMC法）の一種である。 確率的プログラミング言語のStanやPyMCで実装されており、誰でも容易に使うことができる。 様々なパラメータの推定手法 このようなモデルのパラメータを推定する方法に、「EMアルゴリズム」がある。 EMアルゴリズムは、Jensenの不等式を用いて、周辺化対数尤度を下限で近似する。 $ log\ p(x{\mid}{\theta}) \geq E_{z {\sim} q(z)} [log\ p(x
自動微分変分ベイズ法の紹介
[DL輪読会]Understanding Black-box Predictions via Influence Functions
E-musu's Tech Memorandum
1. 導入 これはMetropolis Hastings Algorithmについてまとめたものです． この手法はマルコフ連鎖モンテカルロ法の1つです． マルコフ連鎖モンテカルロ法とは多次元の確率変数を発生させるサンプリング方法の1つであり，複雑化しているモデルの推定方法として多くの分野で使用されています． そこでMCMCを使うことになった背景やその仕組みについて考えていき，メトロポリス・ヘイスティングス法やそれに類する手法を説明します． 2. 共役分布を用いたパラメータ推定 ベイズ統計ではパラメータ推定などの統計的計算は基本定理 \begin{equation} f\left( \theta | x \right) = \frac{f\left( x | \theta \right)f\left( \theta \right)}{f\left( x \right)} \propto f\
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
