Запитання з тегом «bayesian»

Коли я Google для "fisher" "fiducial" ... Я впевнено отримую чимало хітів, але всі ті, за якими я дотримувався, абсолютно поза моїм розумінням. У всіх цих хітів, схоже, є одне спільне: всі вони написані для пофарбованих у шерсть статистиків, людей, ретельно поглиблених теорією, практикою, історією та знаннями статистики. (Отже, жоден …

23 bayesian  inference  terminology  fiducial  ronald-fisher 

(Я новачок у статистиці. Я математик і програміст, і намагаюся створити щось на кшталт наївного байєсівського фільтра спаму.) Я помітив у багатьох місцях, що люди, як правило, розбивають знаменник у рівнянні з теореми Байєса. Тож замість цього: P(A|B)⋅P(B)P(A)P(A|B)⋅P(B)P(A)\frac{P(A|B)\cdot P(B)}{P(A)} Нам представлено таке: 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)} Ви можете …

23 bayesian 

Я деякий час намагався зрозуміти ідею кон'югованих пріорів у байєсівській статистиці, але просто не розумію. Чи може хтось пояснити цю ідею найпростішими можливими термінами, можливо, використовуючи "приклад Гаусса" як приклад?

23 bayesian  conditional-probability  conjugate-prior 

Ендрю Гелман написав обширну статтю про те, чому для тестування Байєса АБ не потрібна корекція багаторазових гіпотез: чому ми (як правило) не повинні турбуватися про багаторазові порівняння , 2012 рік. Я не зовсім розумію: чому методи Байєса не вимагають багаторазових виправлень випробувань? A ~ Distribution1 + Common Distribution B ~ …

22 hypothesis-testing  bayesian  multiple-comparisons 

Я зацікавлений , щоб оцінити щільність безперервної випадкової величини ХХX . Один із способів цього, який я дізнався, - це використання оцінки щільності ядра. Але зараз мене цікавить байєсівський підхід, що йде в наступних напрямках. Спочатку я вважаю , що ХХX слід розподіл ЖЖF . Я приймаю ннn свідчення ХХX …

22 bayesian  pdf  nonparametric-bayes  dirichlet-process 

Зараз я переживаю «Байєсівське розум і машинне навчання» Девіда Барбера, і це надзвичайно добре написана та захоплююча книга для вивчення основ. Тож питання до того, хто це вже зробив. Який наступний набір книг я повинен пройти після того, як я отримаю достатнє знання з більшістю концепцій Барбер?

22 machine-learning  bayesian  references  graphical-model 

Коли я намагаюся вибрати серед різних моделей або кількість функцій, які слід включити, скажімо, передбачення, я можу придумати два підходи. Розподіліть дані на навчальні та тестові набори. Ще краще, використовуйте завантажувальну чи перехресну перевірку k-кратну кількість разів. Тренуйтеся на навчальному наборі щоразу і обчислюйте помилку над тестовим набором. Помилка тесту …

22 bayesian  model-selection  cross-validation  feature-selection 

Які відмінності між генеративною та дискримінаційною (дискримінантною) моделлю (в контексті байєсівського навчання та умовиводу)? і що це стосується прогнозування, теорії рішень або непідконтрольного навчання?

22 bayesian  predictive-models  unsupervised-learning 

Ми знаємо, що у разі правильного попереднього розповсюдження, 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)} ∝ Р( X∣ θ ) П( θ )∝П(X∣θ)P(θ) \propto P(X \mid \theta)P(\theta) . Звичайне обгрунтування цього кроку полягає в тому, що граничний розподіл , є постійним відносно і може бути ігнорований при виведенні заднього розподілу.XXXθP(X)P(X)P(X)θθ\theta …

22 distributions  bayesian  prior  posterior 

Я намагався розвинути на основі інтуїції розуміння теореми Байєса з точки зору попередньої , задньої , вірогідності та граничної ймовірності. Для цього я використовую таке рівняння: де являє собою гіпотезу чи переконання, а являє собою дані чи докази. Я зрозумів поняття заднього - це об'єднавча сутність, яка поєднує попередню віру …

22 bayesian  likelihood  intuition 

Деякі джерела кажуть, що ймовірність функції не є умовною ймовірністю, деякі кажуть, що вона є. Це дуже бентежить мене. Згідно з більшістю джерел, які я бачив, вірогідність розподілу з параметром θθ\theta повинна бути добутком функцій масової ймовірності, заданих nnn зразками xixix_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) Наприклад, у …

21 probability  bayesian  conditional-probability  likelihood  frequentist 

У мене виникають проблеми з розумінням того, що таке процес Bayesian Bootstrapping, і чим це буде відрізнятися від вашого звичайного завантаження. І якби хтось міг запропонувати інтуїтивний / концептуальний огляд та порівняння обох, це було б чудово. Візьмемо приклад. Скажімо, у нас є набір даних X, що становить [1,2,5,7,3]. Якщо …

21 bayesian  sampling  bootstrap 

Преамбула Це довгий пост. Якщо ви перечитуєте це, зауважте, що я переглянув частину питання, хоча довідковий матеріал залишається тим самим. Крім того, я вважаю, що я розробив рішення проблеми. Це рішення з’являється внизу публікації. Дякую CliffAB, що вказав, що моє оригінальне рішення (відредаговане з цієї публікації; див. Історію редагування для …

21 machine-learning  bayesian  sampling  roc  auc 

Я знаю, що пріори не повинні бути належними і що ймовірність функції не інтегрується до 1. Але чи повинен задній бути правильним розподілом? Які наслідки, якщо це / ні?

21 distributions  bayesian  posterior 

Я розглянув набір робіт, кожен з яких повідомляє про спостережуване середнє значення та SD про вимірювання у відповідному зразку відомого розміру, . Я хочу зробити найкращу здогадку про ймовірний розподіл тієї ж міри в новому дослідженні, яке я розробляю, і наскільки невизначеність у цій здогадці. Я радий вважати ).ХХXннnХ∼ N( …

21 bayesian  normal-distribution  meta-analysis