Calcul bayésien approximatif


Révision datée du 29 décembre 2019 à 21:55 par Jacques (discussion | contributions) (Remplacement de texte — « Source: L'apprentissage profond. Éd.Massot 2018 » par « Source : ''L'apprentissage profond'', Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 »)

en construction

Définition

Le calcul bayésien approximatif (CAB) constitue une classe de méthodes de calcul enracinées dans les statistiques bayésiennes qui peuvent être utilisées pour estimer les distributions postérieures des paramètres du modèle.

Ces méthodes contournent l'évaluation de la fonction de vraisemblance. De cette façon, les méthodes CAB élargissent le domaine des modèles pour lesquels l'inférence statistique peut être considérée. Les méthodes ABC sont mathématiquement bien fondées, mais elles font inévitablement des hypothèses et des approximations dont l'impact doit être soigneusement évalué. De plus, le domaine d'application plus large de l'CAB exacerbe les défis de l'estimation des paramètres et de la sélection des modèles.


Français

Calcul bayésien approximatif

Anglais

Approximate bayesian computation



Source : Wikipedia

Source : L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 703