«hierarchical-bayesian» etiketlenmiş sorular

Hiyerarşik Bayes modelleri, önceki dağıtımların parametrelerindeki parametreler ve hiper öncüllerdeki öncelikleri belirtir.


2
“Derin öğrenme” ile çok seviyeli / hiyerarşik modelleme arasındaki fark nedir?
"Derin öğrenme" çok düzeyli / hiyerarşik modelleme için başka bir terim midir? İkincisine öncekinden çok daha aşinayım, ancak söyleyebileceğim kadarıyla, temel fark tanımlarında değil, uygulama alanlarında nasıl kullanıldığı ve değerlendirildiği. Tipik bir "derin öğrenme" uygulamasındaki düğümlerin sayısı daha büyüktür ve genel bir hiyerarşik form kullanır, oysa çok seviyeli modelleme uygulamaları …

5
Makine öğrenmesinde hiyerarşik / iç içe geçmiş verilerle nasıl baş edilir
Sorunumu bir örnekle açıklayacağım. Bazı nitelikler verilen bir bireyin gelirini tahmin etmek istediğinizi varsayalım: {Yaş, Cinsiyet, Ülke, Bölge, Şehir}. Bunun gibi bir eğitim veri setine sahipsiniz train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, 50,51,101,38, 47,50,55,23)) train CountryID RegionID CityID …
29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 


1
Gelman'ın 8 okul örneğinde, bireysel tahminin standart hatası neden biliniyor?
Bağlam: Gelman'ın 8 okullu örneğinde (Bayesian Veri Analizi, 3. baskı, Ch 5.5) 8 okulda koçluğun etkisini test eden sekiz paralel deney vardır. Her deney, koçluğun etkinliği ve ilgili standart hata için bir tahmin verir. Daha sonra yazarlar koçluk etkisinin 8 veri noktası için aşağıdaki gibi hiyerarşik bir model oluştururlar: yi∼N(θi,sei)θi∼N(μ,τ)yi∼N(θi,sei)θi∼N(μ,τ) …

2
Binom dağılımının
Bu soru bir teknik takip olan bu soruya . Raftery (1988) 'deN-N-N sunulan modeli anlamakta ve çoğaltmakta zorluk çekiyorum : Binom N parametresi için çıkarım: WinBUGS / OpenBUGS / JAGS'ta hiyerarşik Bayes yaklaşımı . Bu sadece kod ile ilgili değil, bu yüzden burada konu üzerinde olmalıdır. Arka fon Let x …

2
Ortalama varyans ilgi konusu olduğunda, hiyerarşik bir bayesisan modelinde varyans için hangi önceki dağılımlar kullanılabilir / kullanılmalıdır?
Yaygın olarak alıntılanmış makalesinde Hiyerarşik modellerde varyans parametreleri için önceki dağılımlar (Google Akademik'te şu ana kadar 916 alıntı) Gelman, hiyerarşik bir Bayes modelindeki varyans için iyi bilgilendirici olmayan önceki dağılımların düzgün dağılım ve yarım t dağılım olduğunu önermektedir. Bir şeyleri doğru anlarsam, bu konum parametresi (örneğin ortalama) ana ilgi alanı …

1
Gecikme efekti eklemek neden Bayes hiyerarşik modelinde ortalama sapmayı artırır?
Arka plan: Şu anda çeşitli Bayes hiyerarşik modellerini karşılaştırarak bazı çalışmalar yapıyorum. verileri , katılımcı ve zaman için sayısal refah ölçüleridir . Katılımcı başına yaklaşık 1000 katılımcım ve 5 ila 10 gözlemim var. i jyben jyijy_{ij}beniijjj Çoğu boyuna veri kümesinde olduğu gibi, zamana daha yakın olan gözlemlerin birbirinden ayrı olanlardan …

1
Gereksiz ortalama parametre ayarı neden Gibbs MCMC'yi hızlandırıyor?
Gelman & Hill (2007) kitabında (Regresyon ve Çok Düzeyli / Hiyerarşik Modeller Kullanılarak Veri Analizi), yazarlar gereksiz ortalama parametreler eklemenin MCMC'yi hızlandırmaya yardımcı olabileceğini iddia etmektedir. Verilen örnek, içiçe yerleştirilmemiş bir "uçuş simülatörü" modelidir (Denk 13.9): yiγjδk∼N(μ+γj[i]+δk[i],σ2y)∼N(0,σ2γ)∼N(0,σ2δ)yi∼N(μ+γj[i]+δk[i],σy2)γj∼N(0,σγ2)δk∼N(0,σδ2) \begin{align} y_i &\sim N(\mu + \gamma_{j[i]} + \delta_{k[i]}, \sigma^2_y) \\ \gamma_j &\sim N(0, …


1
Fisher Kesin Testi ve Hipergeometrik Dağılım
Balıkçı testini daha iyi anlamak istedim, bu yüzden f ve m erkek ve kadına karşılık gelen ve n ve y "soda tüketimine" karşılık gelen aşağıdaki oyuncak örneğini tasarladım: > soda_gender f m n 0 5 y 5 0 Açıkçası, bu büyük bir basitleştirme, ama bağlamın önüne geçmesini istemedim. Burada sadece …

1
LKJcorr neden korelasyon matrisi için iyi bir öncedir?
Özür (içinde bölüm 13 "Kovaryans Adventures in" okuma süper ) kitabında İstatistiksel Yeniden Düşünmek Richard McElreath tarafından o aşağıdaki hiyerarşik modeli sunar: ( Rbir korelasyon matrisidir) Yazar, LKJcorrkorelasyon matrisi için düzenli hale getirme önceliği olarak işe yaramadan önce bunun zayıf bilgilendirici olduğunu açıklar . Ama neden böyle? Hangi özelliklere LKJcorrdağıtımı …

5
Bilgi ödünç almak tam olarak ne anlama geliyor?
Ben sık sık Bayes hiyerarşik modellerinde bilgi ödünç alma veya bilgi paylaşımı hakkında konuşuyorlar. Bunun gerçekte ne anlama geldiği ve Bayesçi hiyerarşik modellere özgü olup olmadığı hakkında düz bir cevap alamıyorum. Fikri bir şekilde anlıyorum: Hiyerarşinizdeki bazı seviyeler ortak bir parametreyi paylaşıyor. Bunun "bilgi borçlanması" na nasıl dönüştüğü hakkında hiçbir …

2
Kısıtlanmış maksimum olasılık neden varyansın daha iyi (tarafsız) bir tahminini verir?
Ben karışık modellerin nitrit gritty daha iyi anlamak için R lme4 paketi üzerinde Doug Bates teori kağıdı okuyorum ve daha iyi anlamak istiyorum, varyans tahmin için sınırlı maksimum olabilirlik (REML) kullanma hakkında ilginç bir sonuç geldi . REML kriteri 3.3 numaralı bölümde, varyans tahmininde REML kullanımının, monte edilmiş doğrusal bir …

1
Hiyerarşik Gamma-Poisson modeli için aşırı yoğunluk
Verileri bir hiyerarşik model içerisinde burada \ lambda \ sim \ textrm {Gama} (\ a \ P) uygulamada tipik olarak görünmektedir değerlerine (seçilmek için \ alfa, \ beta) gama dağılımının ortalaması ve varyansı kabaca y verilerinin ortalaması ve varyansı ile kabaca eşleşecektir (örneğin, Clayton ve Kaldor, 1987 "Hastalık Haritalaması için …

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.