Câu hỏi được gắn thẻ «bayesian»

Tôi đang làm việc theo cách của mình (tự học) thông qua cuốn sách Lý thuyết xác suất của ET Jaynes - Logic của khoa học Vấn đề ban đầu Bài tập 2.1 nói: "Có thể tìm ra một công thức chung chop(C|A+B)p(C|A+B)p(C|A+B) tương tự như [công thức p(A+B|C)=p(A|C)+p(B|C)−p(AB|C)p(A+B|C)=p(A|C)+p(B|C)-p(MộtB|C)p(A+B|C)=p(A|C)+p(B|C)-p(AB|C)] từ …

9 probability  bayesian  self-study  conditional-probability 

Tôi đang chạy thử nghiệm AB trên một trang chỉ nhận được 5k lượt truy cập mỗi tháng. Sẽ mất quá nhiều thời gian để đạt đến mức lưu lượng cần thiết để đo mức chênh lệch + -1% giữa kiểm tra và kiểm soát. Tôi đã nghe nói rằng …

9 bayesian  hypothesis-testing  ab-test 

Nếu tôi hiểu chính xác, trong thống kê Bayes, một tham số là một biến ngẫu nhiên. Khi ước tính tham số, phân phối trước được kết hợp với dữ liệu để mang lại phân phối sau. Câu hỏi: Là mọi điểm dữ liệu (trong mẫu cũng như dân số) …

9 bayesian 

Tôi đang duyệt repo github cho Pymc và tìm thấy cuốn sổ này: Suy luận biến đổi: Mạng lưới thần kinh Bayes Tác giả thể hiện những ưu điểm của lập trình bayes / xác suất nhưng sau đó tiếp tục nói: Thật không may, khi nói đến các vấn …

9 machine-learning  bayesian  mcmc  pymc  probabilistic-programming 

Khi đánh giá một người ước tính, hai tiêu chí có thể được sử dụng phổ biến nhất là rủi ro tối đa và rủi ro Bayes. Câu hỏi của tôi đề cập đến câu hỏi sau: Rủi ro bay theo trước được xác định như sau:ππ\pi Bπ(θ^)=∫R(θ,θ^)π(θ)dθBπ(θ^)=∫R(θ,θ^)π(θ)dθB_{\pi} (\hat{\theta}) = …

9 bayesian  decision-theory 

Tôi bối rối về cách chính xác để viết lưới đàn hồi. Sau khi đọc một số tài liệu nghiên cứu dường như có ba hình thức 1)điểm kinh nghiệm{ - λ1| βk| - λ2β2k}điểm kinh nghiệm⁡{-λ1|βk|-λ2βk2}\exp\{-\lambda_1|\beta_k|-\lambda_2\beta_k^2\} 2)điểm kinh nghiệm{ - (λ1|βk| + λ2β2k)σ2√}điểm kinh nghiệm⁡{-(λ1|βk|+λ2βk2)σ2}\exp\{-\frac{(\lambda_1|\beta_k|+\lambda_2\beta_k^2)}{\sqrt{\sigma^2}}\} 3)điểm kinh nghiệm{ - …

8 bayesian  mathematical-statistics  gibbs  elastic-net 

Giả sử rằng X= ( X1, . . . , Xn) , : ( Ω , A , P) → ( { 0 , 1 }n, 2{ 0 , 1 }n)X=(X1,...,Xn),:(Ω,A,P)→({0,1}n,2{0,1}n)X=(X_1, ..., X_n),: (\Omega, A,P)\to (\{0,1\}^n, 2^{{\{0,1\}}^n}) và Y= ( Y1, . . . , Yn) : ( Ω , …

8 bayesian  exchangeability 

Hàm hộp đen , được đánh giá theo chủ đề đối với nhiễu Gaussian, tức là , có thể được giảm thiểu bằng cách sử dụng tối ưu hóa Bayes trong đó Quy trình Gaussian được sử dụng làm mô hình hàm nhiễu. f ( x ) + N ( …

8 bayesian  optimization  bayesian-optimization 

TLDR: Các spline hồi quy tấm mỏng có giải thích xác suất / Bayes không? Cho các cặp đầu vào-đầu ra , ; Tôi muốn ước tính hàm như sau trong đó là hàm kernel và là một vectơ đặc trưng có kích thước . Các hệ số và có …

8 regression  bayesian  gaussian-process  smoothing  semiparametric 

Trong "Học máy: Quan điểm xác suất" của Kevin Murphy, chương 3.2, tác giả đã chứng minh việc học khái niệm Bayes trên một ví dụ gọi là "trò chơi số": Sau khi quan sát mẫu từ , chúng tôi muốn chọn một giả thuyết mô tả đúng nhất quy …

8 self-study  bayesian  maximum-likelihood  convergence 

Tôi đang tìm cách ước tính một GLM phân cấp nhưng với lựa chọn tính năng để xác định các hiệp phương sai nào có liên quan ở cấp độ dân số. Giả sử tôi có các nhóm với quan sát và biến có thể có nghĩa là tôi có …

8 machine-learning  bayesian  feature-selection  hierarchical-bayesian  shrinkage 

Đã đóng cửa . Câu hỏi này cần được tập trung hơn . Nó hiện không chấp nhận câu trả lời. Bạn muốn cải thiện câu hỏi này? Cập nhật câu hỏi để nó chỉ tập trung vào một vấn đề bằng cách chỉnh sửa bài đăng này . Đóng …

8 bayesian  references  frequentist 

Vấn đề của tôi là thế này: Tôi có một nhóm các dự đoán mà mỗi người tạo ra một phân phối trên một tập hợp các lớp. Những gì tôi muốn làm là trước tiên có một thông tin không có thông tin trước về cách phân phối nhãn …

8 bayesian  ensemble  dirichlet-distribution 

Theo tôi hiểu, các mạng nơ-ron sâu đang thực hiện "học đại diện" bằng cách xếp các tính năng lại với nhau. Điều này cho phép học các cấu trúc chiều rất cao trong các tính năng. Tất nhiên, đó là một mô hình tham số với số lượng tham …

8 machine-learning  bayesian  nonparametric  deep-learning 

Tìm hiểu làm thế nào để mô phỏng một cái gì đó thường là cách tốt nhất để hiểu các nguyên tắc cơ bản. Tôi hơi mất công về cách mô phỏng chính xác như sau. Giả sử rằng và có phân phối trước đó là . Dựa trên một …

8 bayesian  simulation  posterior