«bayesian» etiketlenmiş sorular

(İstatistiklere yeni girmiş biriyim. Matematikçi ve programcıyım ve saf bir Bayesian spam filtresi gibi bir şey oluşturmaya çalışıyorum.) Birçok yerde insanların, payesleri Bayes Teoremi'nden ayırma eğiliminde olduklarını fark ettim. Yani bunun yerine: P(A|B)⋅P(B)P(A)P(A|B)⋅P(B)P(A)\frac{P(A|B)\cdot P(B)}{P(A)} Bununla bizlere sunulmuştur: P(A|B)⋅P(B)P(A|B)⋅P(B)+P(A|¬B)⋅P(¬B)P(A|B)⋅P(B)P(A|B)⋅P(B)+P(A|¬B)⋅P(¬B)\frac{P(A|B)\cdot P(B)}{P(A|B)\cdot P(B)+P(A|\neg B)\cdot P(\neg B)} Bu konvansiyonun bu Wikipedia makalesinde ve Tim …

23 bayesian 

Bir süredir Bayesci istatistiklerde eşlenik öncelikler fikrini anlamaya çalışıyorum ama anlayamıyorum. Bu fikri belki de en basit terimlerle açıklayabilir, belki de "Gauss öncesi" yi örnek olarak kullanabilir miyiz?

23 bayesian  conditional-probability  conjugate-prior 

Andrew Gelman, Bayesian AB testinin neden birden fazla hipotez düzeltmesi gerektirmediğine dair kapsamlı bir makale yazdı: Neden (Genellikle) Birden Çok Karşılaştırma Hakkında Endişelenmek Gerekmiyor , 2012. Tam anlamıyorum: neden Bayesian yöntemleri çoklu test düzeltmeleri gerektirmiyor? A ~ Distribution1 + Common Distribution B ~ Distribution2 + Common Distribution C ~ Distribution3 …

22 hypothesis-testing  bayesian  multiple-comparisons 

Düzenlemeyle ilgili literatürü inceliyordum ve çoğunlukla L2 düzenlemesini Gaussian'la bağlayan, L1'i de sıfır merkezli olan L1'i bağlayan paragrafları görüyordum. Bu önceliklerin nasıl göründüğünü biliyorum, ama örneğin doğrusal modeldeki ağırlıklar ile nasıl ilişkili olduğunu anlamıyorum. L1'de, doğru anlarsam, seyrek çözümler bekleriz, yani bazı ağırlıklar tam olarak sıfıra itilir. Ve L2'de küçük …

22 regression  bayesian  prior  regularization  laplace-distribution 

Sürekli rastgele bir değişkeninin yoğunluğunu tahmin etmekle ilgileniyorum . Bunu öğrenmenin bir yolu Çekirdek Yoğunluğu Tahmini kullanımıdır.XXX 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 FXXXFFFnnnXXXFFF …

22 bayesian  pdf  nonparametric-bayes  dirichlet-process 

Şu anda David Barber tarafından "Bayesian Reasoning and Machine Learning" den geçiyorum ve temelleri öğrenmek için oldukça iyi yazılmış ve ilgi çekici bir kitap. Bu yüzden bunu zaten yapmış olan birine bir soru. Barber'daki kavramların çoğunda makul bir yeterliliğe sahip olduktan sonra okumam gereken bir sonraki kitap seti hangileridir?

22 machine-learning  bayesian  references  graphical-model 

Çeşitli modeller veya eklenecek özelliklerin arasında seçim yapmaya çalışırken, iki yaklaşım düşünebileceğimi tahmin ediyorum. Verileri eğitim ve test setlerine ayırın. Daha da iyisi, önyükleme ya da k-kat çapraz doğrulama kullanın. Her seferinde egzersiz setini eğitin ve test setindeki hatayı hesaplayın. Plot test hatası - parametre sayısı. Genellikle, böyle bir şey …

22 bayesian  model-selection  cross-validation  feature-selection 

Üretken ve ayırt edici (ayırt edici) modeller arasındaki farklar nelerdir (Bayesian öğrenmesi ve çıkarımı bağlamında)? ve tahmin, karar teorisi veya denetimsiz öğrenme ile ne ilgisi var?

22 bayesian  predictive-models  unsupervised-learning 

Önceden uygun bir dağıtım durumunda, P(θ∣X)=P(X∣θ)P(θ)P(X)P(θ∣X)=P(X∣θ)P(θ)P(X)P(\theta \mid X) = \dfrac{P(X \mid \theta)P(\theta)}{P(X)} ∝P(X∣θ)P(θ)∝P(X∣θ)P(θ) \propto P(X \mid \theta)P(\theta) . Bu adım için olağan gerekçelendirme, , in marjinal dağılımının açısından sabittir ve böylece posterior dağılımı elde ederken göz ardı edilebilir olmasıdır.XXXP(X)P(X)P(X)θθ\theta Ancak, uygunsuz bir öncelik durumunda, posterior dağılımın gerçekten var olduğunu nereden …

22 distributions  bayesian  prior  posterior 

Bayes teoreminin önceki , posterior , olasılık ve marjinal olasılık açısından sezgiye dayalı bir anlayışını geliştirmeye çalışıyorum . Bunun için aşağıdaki denklemi kullanıyorum: burada bir hipotezi veya inancı temsil eder ve veri veya kanıtları temsil eder. Posterior kavramını anladım - bu, önceki inancı ve bir olayın olasılığını birleştiren birleştirici bir …

22 bayesian  likelihood  intuition 

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 :θθ\thetannnxixix_i L(θ)=L(x1,x2,...,xn;θ)=∏i=1np(xi;θ)L(θ)=L(x1,x2,...,xn;θ)=∏i=1np(xi;θ)L(\theta) = L(x_1,x_2,...,x_n;\theta) = \prod_{i=1}^n p(x_i;\theta) Örneğin, Logistic Regression'da, en uygun …

21 probability  bayesian  conditional-probability  likelihood  frequentist 

Bayesian Bootstrapping işleminin ne olduğunu ve bunun normal bootstrapping işleminizden ne şekilde farklı olacağını anlamada sorun yaşıyorum. Ve eğer biri sezgisel / kavramsal bir inceleme ve ikisinin karşılaştırmasını sunabilirse, bu harika olurdu. Bir örnek alalım. Diyelim ki [1,2,5,7,3] bir veri kümemiz var. X boyutuna eşit numune boyutları oluşturmak için birçok …

21 bayesian  sampling  bootstrap 

önsöz Bu uzun bir yazı. Bunu tekrar okuyorsanız, arka plan materyali aynı kalmasına rağmen, soru bölümünü gözden geçirdiğimi lütfen unutmayın. Ek olarak, soruna bir çözüm geliştirdiğime inanıyorum. Bu çözüm gönderinin altında görünür. Özgün çözümümün (bu yazıdan düzenlenmiş; bu çözüm için düzenleme geçmişine bakın) mutlaka yanlı tahminler ürettiğine işaret ettiği için …

21 machine-learning  bayesian  sampling  roc  auc 

Önceliklerin uygun olmadığına ve olasılık fonksiyonunun da 1 ile bütünleşmediğini biliyorum. Fakat posteriorun uygun bir dağılım olması gerekiyor mu? Öyle / değilse, ne anlama geliyor?

21 distributions  bayesian  posterior 

Eğer önceki ve olasılık birbirinden çok farklıysa, bazen arkadakilerin hiçbirine benzemediği bir durum ortaya çıkar. Örneğin, normal dağılımları kullanan bu resme bakın. Her ne kadar bu matematiksel olarak doğru olsa da, sezgilerime uygun gözükmüyor - veriler güçlü tutulan inançlarımla veya verilerle uyuşmuyorsa, hiçbir menzilin iyi geçmesini beklememeyi ya da düz …

21 bayesian  prior  posterior  likelihood