Публикации по теме 'probability'


Начало работы со статистикой для науки о данных
Всем привет! Этот блог предназначен для всех, кто занимается наукой о данных и хочет лучше понять статистику, или для тех, кто заблудился в статистике на местах и ​​пытается узнать, с чего начать и что изучать дальше. статистику и возможности, когда вы начинаете изучать машинное обучение, тогда этот блог для вас, ребята. Я собираюсь написать серию блогов по статистике и вероятности. Не стесняйтесь следить за моей страницей для получения дополнительной информации о статистике и..
Моделирование пожизненной ценности клиента с помощью продолжительности жизни
Оценка ценности ваших клиентов и формулирование упреждающих действий с помощью нескольких строк кода Модель бета-геометрического отрицательного биномиального распределения (BG-NBD) — это влиятельная вероятностная модель для описания поведения клиентов и прогнозирования жизненного цикла клиента (CLV)¹. В предыдущей статье серии мы исследовали интуицию, предположения и математический вывод этой модели. Я бы посоветовал вам взглянуть на это, если вы этого не сделали! Как вы могли..
Использование силы стохастичности для лучших прогнозов
Почему Бог бросает кости? Бог не играет в кости. В письме Максу Борну Эйнштейн выразил свои сомнения по поводу зарождающейся области квантовой механики, используя ныне известную фразу «Бог не бросает кости». ему не нравилась мысль о том, что эти события произошли случайно или вероятностно. Копенгагенская доктрина, разработанная Бором, Гейзенбергом и многими другими физиками, предполагает, что поведение субатомных частиц может быть описано только в терминах вероятностей. Другими..
Мягкое введение в оценку максимального правдоподобия и максимальную апостериорную оценку
Интуиция в MLE и MAP на примере футбола Оценка максимального правдоподобия (MLE) и оценка максимального апостериорного (MAP) метода оценки параметров статистических моделей. Несмотря на небольшую передовую математику, лежащую в основе методов, идеи MLE и MAP довольно просты и интуитивно понятны. В этой статье я собираюсь объяснить, что такое MLE и MAP, с акцентом на интуицию методов наряду с математикой, лежащей в основе. Пример: вероятность того, что Ливерпуль выиграет матч в..
Калибровка вероятности для усиленных деревьев
Предпосылки: Итоговый документ по калибровке вероятностей: http://www.cs.cornell.edu/~caruana/niculescu.scldbst.crc.rev4.pdf Деревья решений с усилением обычно обеспечивают хорошую точность, точность и область ROC. Однако, поскольку выходные данные повышения не являются хорошо откалиброванными апостериорными вероятностями, повышение дает плохой квадрат ошибки и перекрестной энтропии. Он имеет тенденцию предсказывать вероятности консервативно, то есть ближе к среднему диапазону, чем к..
Статистика и вероятность: введение в вероятность
Статистика и вероятность: введение в вероятность Представьте, что вы участвуете в конкурсе. Хозяин представляет вам три двери. За одной из этих дверей стоит новенькая Audi, а за двумя оставшимися дверями - козы. Ведущий просит вас выбрать одну из этих трех дверей, а затем приступает к открытию одной из двух оставшихся дверей, чтобы увидеть козла. А теперь скажите мне, вы придерживаетесь своей первоначальной двери или переключаетесь на другую закрытую дверь, чтобы получить свою Audi?..
Ошибка машинного обучения и обобщения - возможно ли обучение?
Машинное обучение - это построение моделей на основе некоторых заданных выборочных данных, также известных как данные обучения, с последующим использованием этой модели для прогнозирования и принятия решений на основе новых, неизвестных данных. Следовательно, можно сказать, что машинное обучение - это изучение и использование правил, присущих обучающим данным. Здесь возникает проблема - как мы можем быть уверены, что правила, которые модель извлекла из обучающих данных, применимы к новым,..