Сэмплирование

Материал из MachineLearning.

Перейти к: навигация, поиск

Сэмплирование

Сэмплирование – метод выбора подмножества наблюдаемых величин из данного множества, с целью выделения неких свойст исходного множества. Одно из основных приминений методов сэмплирования заключается в оценке математического ожидания сложных вероятностных распределений:

E[f]=\int f(z)p(z) dz

для которых данный инеграл не может быть подсчитан аналитическим методом (к примеру, ввиду сложного аналитического вида распределения p(z)). Однако, можно подсчитать значение p(z) в любой точке z. Основная идея заключается в создании незавсимой выборки z^{(l)} (где l=1,...,L) из распределения p(z). Это позволит оцениваемое математическое ожидание приблизить конечной суммой:

\hat f=\frac{1}{L}\sum_{l=1}^{L} f(z^{(l)})

Существует несколько методов сэмплирования для создания выборки z^{(l)} [1]:

  • Simple random sampling;
  • Systematic sampling;
  • Rejection sampling;
  • Adaptive rejection sampling.


См. также

Примечания

Личные инструменты