Запитання з тегом «nonparametric-bayes»

Я починаю балуватися з використанням glmnetз LASSO регресією , де мій результат становить інтерес дихотомический. Я створив невеликий макетний кадр даних нижче: age <- c(4, 8, 7, 12, 6, 9, 10, 14, 7) gender <- c(1, 0, 1, 1, 1, 0, 1, 0, 0) bmi_p <- c(0.86, 0.45, 0.99, 0.84, …

77 r  self-study  lasso  regression  interpretation  anova  statistical-significance  survey  conditional-probability  independence  naive-bayes  graphical-model  r  time-series  forecasting  arima  r  forecasting  exponential-smoothing  bootstrap  outliers  r  regression  poisson-distribution  zero-inflation  genetic-algorithms  machine-learning  feature-selection  cart  categorical-data  interpretation  descriptive-statistics  variance  multivariate-analysis  covariance-matrix  r  data-visualization  generalized-linear-model  binomial  proportion  pca  matlab  svd  time-series  correlation  spss  arima  chi-squared  curve-fitting  text-mining  zipf  probability  categorical-data  distance  group-differences  bhattacharyya  regression  variance  mean  data-visualization  variance  clustering  r  standard-error  association-measure  somers-d  normal-distribution  integral  numerical-integration  bayesian  clustering  python  pymc  nonparametric-bayes  machine-learning  svm  kernel-trick  hyperparameter  poisson-distribution  mean  continuous-data  univariate  missing-data  dag  python  likelihood  dirichlet-distribution  r  anova  hypothesis-testing  statistical-significance  p-value  rating  data-imputation  censoring  threshold 

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 

Чи є спосіб провести регресію Гаусса на багатовимірному виході (можливо, корельованому) за допомогою GPML ? У демо-скрипті я міг знайти лише 1D приклад. Аналогічне питання про те , що CV талі випадок багатовимірного введення. Я переглянув їхню книгу, щоб побачити, чи зможу щось знайти. У 9-му розділі цієї книги (розділ …

13 regression  machine-learning  matlab  gaussian-process  nonparametric-bayes 

Я читаю цей документ про Узагальнені процеси Вішарта (GWP). У роботі обчислюються коваріації між різними випадковими змінними (за Гауссовим процесом ) за допомогою функції експоненціальної коваріації у квадраті, тобто . Потім йдеться про те, що ця матриця коваріації слідує за GWP.K(x,x′)=exp(−|(x−x′)|22l2)K(x,x′)=exp⁡(−|(x−x′)|22l2)K(x,x') = \exp\left(-\frac{|(x-x')|^2}{2l^2}\right) Я думав, що коваріаційна матриця, обчислена з …

11 machine-learning  normal-distribution  covariance  wishart  nonparametric-bayes 

Налаштування проблеми Однією з перших іграшкових проблем, до якої я хотів застосувати PyMC, є непараметричне кластеризація: давши деякі дані, моделюйте її як гауссову суміш та дізнайтеся кількість кластерів та середнє значення та коеваріантність кожного кластеру. Більшість того, що я знаю про цей метод, походить з відео-лекцій Майкла Джордана та Йе-Уу-Тех, …

10 bayesian  clustering  python  pymc  nonparametric-bayes 

Процес Поріса і Гаусса Діріхле часто називають "розподілами по функціях" або "розподілами над розподілами". У цьому випадку я можу змістовно говорити про щільність функції під GP? Тобто, чи мають процес Гаусса чи Діріхле певне поняття щільності ймовірності? Якщо це не так, як ми можемо використовувати правило Байєса переходити до переднього, …

10 machine-learning  probability  bayesian  nonparametric  nonparametric-bayes 

Я зараз переглядаю статтю моделі випадкових ефектів процесу Діріхле, і специфікація моделі така: уiψiГ=Хiβ+ψi+ϵi∼ Г∼ D P( α ,Г0)уi=Хiβ+ψi+ϵiψi∼ГГ∼DП(α,Г0) \begin{align*}y_{i} &= X_{i}\beta + \psi_{i} + \epsilon_{i}\\ \psi_{i} &\sim G \\ G &\sim \mathcal{DP}\left(\alpha, G_{0}\right) \end{align*} де αα\alpha - параметр масштабу і Г0Г0G_{0}є базовим заходом. Згодом у статті пропонується інтегрувати функцію …

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

Більшість цього є фоном, до кінця пропустіть, якщо ви вже знаєте достатньо про технологічні суміші Діріхле . Припустимо , я моделюючи деякі дані приходять з суміші процесів Діріхле, тобто нехай і зумовлюють припустимоЖ∼ D ( α H)Ж∼D(αН)F \sim \mathcal D(\alpha H)ЖЖFYi∼я i d∫f( у| θ)F( дθ ) .Yi∼iiг∫f(у|θ)Ж(гθ).Y_i \stackrel {iid}{\sim} …

9 bayesian  nonparametric-bayes 

Мені хотілося б обернути голову навколо цієї теми, але навчитися з довідок та навчальних посібників важко, оскільки існує багато прогалин, які зазвичай заповнюються підручниками. Якщо це важливо, я маю відносно сильний математичний досвід, як і докторський ступінь. з прикладної математики (CFD, якщо бути точнішим).

9 bayesian  nonparametric  references  nonparametric-bayes