Bazı kaynaklar olabilirlik fonksiyonunun şartlı olasılık olmadığını, bazıları ise olduğunu söylüyor. Bu benim için çok kafa karıştırıcı.
Gördüğüm en kaynaklarına göre, parametre olan bir dağılım olasılığı , belirli bir olasılık fonksiyonları bir ürün olmalıdır n numuneleri X i :
Örneğin, Logistic Regression'da, en uygun parametreleri ve dolayısıyla son LR modelini elde etmek için olasılık fonksiyonunu (Maksimum Olabilirlik Tahmini) en üst düzeye çıkarmak için bir optimizasyon algoritması kullanıyoruz. Birbirinden bağımsız olduğunu varsaydığımız eğitim örnekleri göz önüne alındığında, olasılıkların ürününü (veya ortak olasılık kütle fonksiyonlarını) en üst düzeye çıkarmak istiyoruz. Bu benim için oldukça açık görünüyor.
Göre İlişkisinin: Olabilirlik, koşullu olasılık ve başarısızlık oranı , "olabilirlik bir olasılık değildir ve bir koşullu olasılık değil". Ayrıca, “olasılık, yalnızca Bayesian olabilirlik anlayışında koşullu bir olasılıktır, yani θ'nin rastgele bir değişken olduğunu varsayarsanız” da bahsetti .
Sık ve Bayezyen arasındaki bir öğrenme problemini tedavi etmenin farklı bakış açılarını okudum.
Bir kaynağa göre, Bayesian çıkarsama için, biz bir priori , olasılık P ( X | θ ) ve Bayesian teoremini kullanarak posterior P ( θ | X ) elde etmek istiyoruz :
Bayesian Çıkarım ile aşina değilim. Gözlemlenen verinin parametrelerine bağlı olarak dağılımı olan nasıl bir olasılık olabilir? In Wikipedia , o yazılır bazen diyor L ( İçeride ISTV melerin RWMAIWi'nin | X ) = p ( X | İçeride ISTV melerin RWMAIWi'nin ) . Ne anlama geliyor?
ve Bayesian'ın olasılıkla ilgili tanımları arasında bir fark var mı?
Teşekkürler.
DÜZENLE:
Bayes teoremini yorumlamanın farklı yolları vardır - Bayesian yorumlama ve Sıkça yorumlama (Bkz: Bayes teoremi - Wikipedia ).