Inférence approchée par échantillonnage

Tirer des événements du réseau, les compter, et voir pourquoi l'échantillonnage par rejet gaspille presque tout, comment la pondération par vraisemblance garde chaque échantillon, et ce que fait l'échantillonnage de Gibbs à la place.

IntermédiaireModule 330 min · 120 XP

Mille événements échantillonnés qui défilent dans le réseau de l’arroseur, sept cents d’entre eux s’effaçant comme rejetés, puis la même évidence maintenue fixe tandis que des poids s’accumulent à la place.

Ceci est une leçon premium

Connectez-vous et inscrivez-vous pour lire la leçon complète, exécuter le code, passer le quiz et gagner des XP pour le badge du parcours.

Se connecter Créer un compte

← Retour à Raisonnement probabiliste avec les réseaux bayésiens