Sürekli rastgele bir değişkeninin yoğunluğunu tahmin etmekle ilgileniyorum . Bunu öğrenmenin bir yolu Çekirdek Yoğunluğu Tahmini kullanımıdır.
Ama şimdi, aşağıdaki satırlardaki Bayes yaklaşımıyla ilgileniyorum. Başlangıçta F dağılımını takip ettiğine inanıyorum . Attığım n okumalar X . Yeni okumalarıma dayanarak F güncelleme konusunda bazı yaklaşımlar var mı ?F n X F
Kendimle çelişiyormuşum gibi geldiğimi biliyorum: Yalnızca önceki dağıtımım olduğuna inanıyorsam , hiçbir veri beni aksi halde ikna etmemelidir. Bununla birlikte, varsayalım edildi ve benim veri noktaları gibi edildi . Görme , Açıkçası benim önceki sopa olamaz, ama onu nasıl güncellemek gerekir?
Güncelleme: Yorumlardaki önerilere dayanarak Dirichlet sürecine bakmaya başladım. Aşağıdaki notasyonları kullanmama izin verin:
Asıl sorunumu bu dilde kurduktan sonra sanırım aşağıdakilerle ilgileniyorum: . İnsan bunu nasıl yapar?
Bu not setinde (sayfa 2), yazar (Polya Urn Şeması). Bunun alakalı olup olmadığından emin değilim.
Güncelleme 2: Ayrıca (notları gördükten sonra) sormak istiyorum: insanlar DP için nasıl seçer ? Rastgele bir seçim gibi görünüyor. Ek olarak, insanlar DP için nasıl bir öncelikli seçer ? için önceliğim olarak sadece için bir öncelik mi kullanmalıyım?H θ H