Поскольку гауссовский процесс возвращает распределение, а не точечную оценку, почему это example (и фактически в каждом примере с GP) говорить о доверительных интервалах по аналогам для байесовской статистики Достоверные интервалы?
Достоверность гауссовского процесса против достоверных интервалов
comment
Я не уверен, что понял ваш вопрос. Доверительный интервал - это распределение.
- person Thomas Schillaci schedule 06.03.2020
comment
@ThomasSchillaci Доверительные интервалы - это точечные оценки, и они отличаются от достоверных интервалов (где вы можете говорить о вероятностях) ru. wikipedia.org/wiki/Credible_interval
- person Lefty schedule 06.03.2020
comment
Я не могу согласиться с этим, доверительные интервалы - это интервалы, вычисленные на основе ваших данных. Я думаю, это разъяснение больше подходит для перекрестной проверки stats.stackexchange.com
- person Thomas Schillaci schedule 06.03.2020
Ответы (1)
Мне тоже было интересно об этом. Мое предположение следующее: GaussianProcessRegressor из sklearn реализует алгоритм 2.1 из Rasmussen & Williams (2006). В этой книге интервал ± 2σ около µ называется 95% доверительной областью. Они просто не делают различия между доверием и надежным регионом. Я думаю, что авторы sklearn приняли это.
К. Э. Расмуссен и К. И. Вильямс, Гауссовские процессы для машинного обучения, MIT Press, 2006
person
max0r
schedule
16.07.2020
