«bayesian» etiketlenmiş sorular

Kısa bir süre önce Eric J. Ma tarafından bu konuşmayı izledim ve Radford Neal'dan alıntı yaptığı blog girişini kontrol ettim, Bayesian modellerin abartılamadığını (ancak overfit edebileceklerini ) ve bunları kullanırken, onları doğrulamak için test setlerine ihtiyacımız yok ( Bana tırnak işaretleri yerine parametreleri ayarlamak için doğrulama kümesi kullanarak konuşmak gibi …

9 machine-learning  bayesian  cross-validation  deep-learning 

Casella ve Berger , ML tahmincisinin değişmez özelliğini şu şekilde belirtir: Ancak bana öyle geliyor ki "olasılığını" tamamen ad hoc ve saçma bir şekilde tanımlıyorlar :ηη\eta olan basit durum için temel olasılık teorisi kurallarını uygularsam , bunun yerine şunu elde ederim: Şimdi Bayes teoremini uyguluyor, sonra ve toplamı uygulayabilmemiz için …

9 self-study  bayesian  maximum-likelihood  frequentist  invariance 

Aşağıdaki verileri simüle ettiğim aşağıdaki grafiği düşünün. Gerçek olma olasılığı 1 olan siyah çizgi ile gösterilen ikili sonucuna . Bir ortak değişken ve arasındaki fonksiyonel ilişki , lojistik bağlantı ile 3. dereceden polinomdur (bu nedenle çift yönlü doğrusal değildir).yo b syÖbsy_{obs}xxxp (yo b s= 1 | x )p(yÖbs=1|x)p(y_{obs}=1 | x) …

9 regression  logistic  bayesian  confidence-interval  credible-interval 

Örnekler: İş tanımında bir cümle var: "İngiltere'de Java kıdemli mühendisi". Derin bir öğrenme modelini 2 kategori olarak tahmin etmek istiyorum: English ve IT jobs. Geleneksel sınıflandırma modeli kullanırsam, sadece softmaxson katmanda işlevli 1 etiket tahmin edebilir . Bu nedenle, her iki kategoride "Evet" / "Hayır" ı tahmin etmek için 2 …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Soru: P-değerlerinin yaygın bir yanlış anlaşılması , sıfır hipotezinin doğru olma olasılığını temsil etmeleridir. Bunun doğru olmadığını biliyorum ve sıfır hipotezinin doğru olduğu göz önüne alındığında, p değerlerinin sadece bu kadar aşırı bir örnek bulma olasılığını temsil ettiğini biliyorum . Bununla birlikte, sezgisel olarak, birincisini ikincisinden türetmek gerekir. Kimsenin bunu …

9 hypothesis-testing  bayesian  p-value  frequentist 

Bu ödev baskısını okuyorum ve Gauss Süreci Regresyonu için denklemleri elde ettiklerinde zorlanıyorum. Rasmussen & Williams ayarı ve gösterimini kullanırlar . Bu nedenle, toplam, sıfır ortalama, durağan ve normal olarak dağıtılmış gürültü varyans kabul edilir:σ2noiseσnoise2\sigma^2_{noise} y= f( x ) + ϵ ,ϵ ∼ N( 0 ,σ2n o i s e)y=f(x)+ε,ε~N-(0,σnÖbense2)y=f(\mathbf{x})+\epsilon, …

9 regression  bayesian  gaussian-process 

Bayesci istatistikçiler, "Bayesci İstatistiklerin sıkça kullanılan yöntemlerle tahmin edilmesi çok zor olan parametreleri tahmin edebileceğini" iddia ediyorlar. Bu SAS dokümanından alınan aşağıdaki alıntı aynı şeyi söylüyor mu? Asimptotik yaklaşıma güvenmeden verilere bağlı ve kesin olan çıkarımlar sağlar. Küçük örnek çıkarımı, büyük bir örneğe sahip gibi devam eder. Bayes analizi ayrıca …

9 bayesian  inference  sas  frequentist 

Bunu izleyen stokastik varyasyon çıkarsama ile Gauss Karışım modeli uygulamak çalışıyorum kağıt . Bu Gauss Karışımının pgm'si. Makaleye göre, stokastik varyasyon çıkarımının tam algoritması: Ve hala GMM'ye ölçeklendirme yönteminden çok kafam karıştı. İlk olarak, yerel varyasyon parametresinin sadece ve diğerlerinin de tüm global parametreler olduğunu düşündüm . Eğer yanılmışsam lütfen …

9 machine-learning  bayesian  clustering  gaussian-mixture  variational-bayes 

Adams ve MacKay ( link ) tarafından yapılan Bayesian çevrimiçi değişim noktası tespit belgesini okuyorum . Yazarlar marjinal tahmin dağılımını yazarak başlar: P(xt + 1|x1 : t) =ΣrtP(xt + 1|rt,x( r )t) P(rt|x1 : t)( 1 )P(xt+1|x1:t)=∑rtP(xt+1|rt,xt(r))P(rt|x1:t)(1) P(x_{t+1} | \textbf{x}_{1:t}) = \sum_{r_t} P(x_{t+1} | r_t, \textbf{x}_t^{(r)}) P(r_t | \textbf{x}_{1:t}) \qquad …

9 time-series  bayesian  inference  change-point 

Kapalı . Bu sorunun ayrıntılara veya açıklığa ihtiyacı var . Şu anda cevapları kabul etmiyor. Bu soruyu geliştirmek ister misiniz? Bu yayını düzenleyerek ayrıntıları ekleyin ve sorunu giderin . 3 yıl önce kapalı . Okuduklarım ve verilen cevaplardan gelmiş itibaren diğer sorular burada istediler, birçok sözde frequentist yöntemler gelmektedir matematiksel …

9 bayesian  frequentist  philosophical 

Şu anda Dirichlet süreci rastgele efektler modeline bakıyorum ve model özellikleri şu şekildedir: burada , ölçek parametresidir ve temel ölçümdür. Daha sonra makalede, gibi temel ölçü üzerine bir fonksiyon entegre etmemizi önermektedir.Dirichlet sürecindeki temel ölçü bir cdf mi, yoksa bir pdf mi? Temel önlem bir Gaussian ise ne olur?yiψiG=Xiβ+ψi+ϵi∼G∼DP(α,G0)yi=Xiβ+ψi+ϵiψi∼GG∼DP(α,G0) \begin{align*}y_{i} …

9 bayesian  dirichlet-distribution  dirichlet-process  nonparametric-bayes  measure-theory 

İkinci dereceden kayıp , daha önce verilen burada . Let olasılığı. Bayes tahmincisini bulun .L(θ,δ)=(θ−δ)2L(θ,δ)=(θ−δ)2L(\theta,\delta)=(\theta-\delta)^2π(θ)π(θ)\pi(\theta)π(θ)∼U(0,1/2)π(θ)∼U(0,1/2)\pi(\theta)\sim U(0,1/2)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπδπ\delta^\pi Ağırlıklı karesel kaybı göz önünde burada ile önceden . Let olması olasılığı artar. Bayes tahmincisini bulun .Lw(θ,δ)=w(θ)(θ−δ)2Lw(θ,δ)=w(θ)(θ−δ)2L_w(\theta,\delta)=w(\theta)(\theta-\delta)^2w(θ)=I(−∞,1/2)w(θ)=I(−∞,1/2)w(\theta)=\mathbb{I}_{(-\infty,1/2)}π1(θ)=I[0,1](θ)π1(θ)=I[0,1](θ)\pi_1(\theta)=\mathbb{I}_{[0,1]}(\theta)f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|θ)=θxθ−1I[0,1](x),θ>0f(x|\theta)=\theta x^{\theta-1}\mathbb{I}_{[0,1]}(x), \theta>0δπ1δ1π\delta^\pi_1 Karşılaştırma veδπδπ\delta^\piδπ1δ1π\delta^\pi_1 İlk önce olduğunu fark ettim ve bunun olasılık olduğunu varsaydım, aksi …

9 self-study  bayesian  estimation  hierarchical-bayesian  loss-functions 

Soru şu başlıklı makaleye dayanmaktadır: Çift yönlü ışınım iletimi-difüzyon modeli kullanılarak dağınık optik tomografide görüntü rekonstrüksiyonu İndirme: {link Yazarlar EM ile Algoritma uygulamak bilinmeyen bir vektör kıtlık regularization bir resmin pikselleri tahmin etmek. Model tarafından verilirl1l1l_1μμ\mu y=Aμ+e(1)(1)y=Aμ+ey=A\mu + e \tag{1} Tahmin Denk. (8) 'de μ^=argmaxlnp(y|μ)+γlnp(μ)(2)(2)μ^=arg⁡maxln⁡p(y|μ)+γln⁡p(μ)\hat{\mu} = \arg max {\ln p(y|\mu) …

9 self-study  bayesian  maximum-likelihood  expectation-maximization  moving-average 

Bayesci istatistiksel analiz ve karar vermede önceki bilgi kavramını iyi kavradığımı düşünmekle birlikte, sık sık başımı başvurusunun etrafına sarmakta zorlanıyorum. Aklıma gelen mücadeleleri örnekleyen birkaç durum var ve şimdiye kadar okuduğum Bayesci istatistik ders kitaplarında doğru bir şekilde ele alınmadıklarını hissediyorum: Diyelim ki birkaç yıl önce insanların% 68'inin bir ACME …

9 bayesian  prior  rule-of-thumb  elicitation 

Sorun Bilinmeyen sayıda taraf ile ölmeye benzer bir sistem üzerinde bazı çıkarımlarda bulunmak istiyorum. Kalıp birkaç kez yuvarlanır, bundan sonra kalıbın sahip olduğu taraf sayısına karşılık gelen bir parametre üzerinden olasılık dağılımını çıkarmak istiyorum, θ. Sezgi Eğer 40 rulodan sonra 10 kırmızı, 10 mavi, 10 yeşil ve 10 sarı görüyorsanız, …

9 r  probability  bayesian  jags