Аппроксимация Лапласа (пример)
Материал из MachineLearning.
(Различия между версиями)
(Новая: '''Аппроксимация Лапласа''' - простой, но широко используемый способ нахождения нормального (Гауссовог...) |
|||
| Строка 1: | Строка 1: | ||
| - | '''Аппроксимация Лапласа''' - простой, но широко используемый способ нахождения нормального ( | + | '''Аппроксимация Лапласа''' - простой, но широко используемый способ нахождения нормального (Гауссово) распределения для апроксимации заданой плотности вероятности. |
| + | |||
| + | ==Семплирование== | ||
| + | |||
| + | '''Семплирование''' – процесс выбора подмножества наблюдаемых величин из данного множества, для дальнейшего его анализа. | ||
| + | Одно из основных приминений методов семплирования заключается в оценке мат. ожидания сложных вероятностных распределений: <tex>E[f]=\int f(z)P(z) dz</tex>, для которых тяжело делать выборку непосредственно из распределения ''p(z)''. Однако, можно подсчитать значение ''p(z)'' в любой точке '''z'''. Один из наиболее простых методов подсчета мат. ожидаия – разбить ось z на равномерную сетку и подсчитать интеграл как сумму <tex>E[f]</tex> ≅<tex>\sum_{l=1}^{L} f(z^{(l)})P(z^{(l)}) dz</tex>. Существует несколько методов семплирования для создания такой выборки длинны ''L'' ???. | ||
Версия 22:10, 15 ноября 2010
Аппроксимация Лапласа - простой, но широко используемый способ нахождения нормального (Гауссово) распределения для апроксимации заданой плотности вероятности.
Семплирование
Семплирование – процесс выбора подмножества наблюдаемых величин из данного множества, для дальнейшего его анализа.
Одно из основных приминений методов семплирования заключается в оценке мат. ожидания сложных вероятностных распределений: , для которых тяжело делать выборку непосредственно из распределения p(z). Однако, можно подсчитать значение p(z) в любой точке z. Один из наиболее простых методов подсчета мат. ожидаия – разбить ось z на равномерную сетку и подсчитать интеграл как сумму
≅
. Существует несколько методов семплирования для создания такой выборки длинны L ???.
