Публикации по теме 'bayesian-statistics'


Обучение с подкреплением, байесовская статистика и вероятность тензорного потока: детская игра - часть 2
В первой части мы исследовали, как можно использовать байесовскую статистику, чтобы сделать обучение с подкреплением менее требовательным к данным. Теперь мы реализуем эту идею на простом примере, используя Tensorflow Probability для реализации нашей модели. Камень ножницы Бумага Что касается игр, то сложно представить что-то проще камня, ножниц, бумаги. Несмотря на простоту, гугл по игре обнаруживает замечательную литературу. Мы хотим использовать байесовскую статистику для этой игры..
Байесовские методы гетероскедастичности
Это будет короткий пост, потому что знаете что? Вот только не надо, чтобы он был длинным. Иногда нужно просто что-то увидеть, и ты сразу это понимаешь. Иногда ваши данные гетероскедастичны, и вы не хотите делать глупости, чтобы с этим справиться. Байесовские методы спасают в обоих случаях. Гетероскедастичность — это, в основном, когда дисперсия вашей целевой переменной отличается для заданных значений ваших данных. Или, выражаясь более математически, дисперсия y зависит от x...
Теория вероятностей: объяснение предсказания неопределенности
Наше будущее, как мы все знаем, неопределенно. Используя методы, доступные прямо сейчас, почти невозможно предсказать будущее. Но мы все равно строим планы на будущее, предполагая, что все пойдет определенным образом. Но как мы можем сделать такое предположение? Люди имеют ограниченные знания о многих вещах, происходящих вокруг нас. Предсказать исход действия без полного знания о предмете невозможно. Но мы все же можем сделать некоторые предположения, исходя из доступного объема знаний...
Иерархический учебник Байеса и Стэна / пример
Этим летом я много работал с данными с естественной иерархической структурой. У нас есть некоторая переменная y для прогнозирования на основе функций x, но отношение немного различается в зависимости от местоположения. Мы можем обучать независимую модель для каждого местоположения, но это расточительно: конечно, мы можем воспользоваться тем фактом, что отношения в основном одинаковы для разных местоположений, особенно для тех местоположений, по которым у нас очень мало данных? В..
Правда о байесовских априори и переоснащении
Вы когда-нибудь задумывались о том, насколько сильное априорное значение по сравнению с наблюдаемыми данными? Это не совсем простая вещь для осмысления. Чтобы облегчить эту проблему, я проведу вас через несколько симуляционных упражнений. Они предназначены для размышлений, а не обязательно как рекомендация. Однако многие из соображений, которые мы рассмотрим, будут непосредственно применимы к вашей повседневной жизни, связанной с применением байесовских методов в вашей конкретной области...
Что такое байесовская статистика? Руководство по математике для начинающих (часть четвертая, заключительная)
Когда больше данных плохо 😱😱😨 Фактор Байеса Это фактор Байеса: Это отношение вероятностей двух гипотез. Это соотношение говорит нам о вероятности того, что мы видели, учитывая то, что мы считаем правдой, по сравнению с тем, что кто-то другой считает правдой. Наша гипотеза побеждает, если она лучше объясняет мир, чем конкурирующая гипотеза. Нам также потребуется объединить фактор Байеса и априорные шансы (записанные как O (H_1): Это помогло бы нам рассчитать, во сколько раз..
Понимание алгоритма наивного Байеса: мощный инструмент для классификации
В области машинного обучения классификация является фундаментальной задачей, которая включает в себя распределение данных по заранее определенным классам или категориям. Одним из популярных и эффективных алгоритмов классификации является алгоритм наивного Байеса. Несмотря на свою простоту, Наивный Байес широко используется в различных областях, от фильтрации спама до анализа настроений. В этой статье мы углубимся в алгоритм наивного Байеса, изучая его принципы, преимущества и реальные..