Сэмплирование

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск
(Новая: ==Сэмплирование== '''Сэмплирование''' – метод выбора подмножества наблюдаемых величин из данного множе...)
(→Сэмплирование)
 
(2 промежуточные версии не показаны)
Строка 11: Строка 11:
*Rejection sampling;
*Rejection sampling;
*Adaptive rejection sampling.
*Adaptive rejection sampling.
 +
 +
 +
==См. также ==
 +
* [[Аппроксимация Лапласа (пример)]]
 +
 +
==Примечания==
 +
<references/>
 +
 +
[[Категория:Прикладная статистика]]

Текущая версия

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

Источник — «http://www.recognition.su/wiki/index.php?title=%D0%A1%D1%8D%D0%BC%D0%BF%D0%BB%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5»