Inferencia aproximada

Los métodos de inferencia aproximada permiten aprender modelos realistas a partir de grandes volúmenes de datos sacrificando tiempo de cálculo por precisión, cuando el aprendizaje y la inferencia exactos son computacionalmente intratables .

Clases de métodos principales

• Aproximación de Laplace
• Métodos bayesianos variacionales
• Cadena de Markov Monte Carlo
• Propagación de expectativas
• Campos aleatorios de Markov
• Redes bayesianas
  • Transmisión de mensajes variacional
• Propagación de creencias generalizadas y descabelladas

^{[1] [2]}

Véase también

• Inferencia estadística
• Lógica difusa
• Minería de datos

Referencias

1. "Inferencia aproximada y optimización restringida". Incertidumbre en inteligencia artificial - UAI : 313–320. 2003.
2. "Inferencia aproximada" . Consultado el 15 de julio de 2013 .

Enlaces externos

• Tom Minka, Microsoft Research (2 de noviembre de 2009). "Machine Learning Summer School (MLSS), Cambridge 2009, Approximate Inference" (conferencia en video).