Вопросы с тегом «bayes»

Когда кто-то начинает интересоваться статистикой, дихотомия «Частый» и «Байесовский» вскоре становится обычным явлением (а кто вообще не читал « Сигнал и шум» Нейта Сильвера ?). В беседах и вводных курсах точка зрения является чрезвычайно частой ( MLE , значения), но есть небольшая часть времени, посвященная восхищению формулой Байеса и касанием …

92 bayesian  mathematical-statistics  inference  bayes  frequentist 

Закрыто. Этот вопрос не по теме . В настоящее время не принимает ответы. Хотите улучшить этот вопрос? Обновите вопрос, чтобы он соответствовал теме перекрестной проверки. Закрыто 2 года назад . Я использую каретку, чтобы запустить перекрестный проверенный случайный лес по набору данных. Переменная Y является фактором. В моем наборе данных …

29 r  random-forest  caret  regression  prediction  fitting  social-science  poisson-distribution  distributions  characteristic-function  bayesian  prior  regression  normal-distribution  interaction  nonparametric  skewness  svm  standard-deviation  standard-error  regression-coefficients  igraph  natural-language  word2vec  word-embeddings  regression  machine-learning  sampling  r  regression  machine-learning  random-forest  ensemble  sampling  unbiased-estimator  proof  estimators  mse  probability  conditional-probability  bayes  anova  missing-data  neural-networks  recommender-system  r  confidence-interval  sample  multiple-imputation  r  time-series  forecasting  mase 

Теорема Байеса имеет вид P(model|data)=P(model)×P(data|model)P(data)P(model|data)=P(model)×P(data|model)P(data) P(\textrm{model}|\textrm{data}) = \frac{P(\textrm{model}) \times P(\textrm{data}|\textrm{model})}{P(\textrm{data})} Это все хорошо. Но я где-то читал: По сути, P (данные) - это не что иное, как нормализующая константа, то есть константа, которая заставляет апостериорную плотность интегрироваться в единицу. Мы знаем, что0≤P(model)≤10≤P(model)≤10 \leq P(\textrm{model}) \leq 1 и . 0 ≤ …

20 probability  bayesian  conditional-probability  bayes 

В статье «Постоянно обновляемые шансы» упоминается история рыбака из Лонг-Айленда, который буквально обязан своей жизнью Байесовской статистике. Вот короткая версия: Посреди ночи на лодке два рыбака. Пока один спит, другой падает в океан. Лодка продолжает троллить на автопилоте всю ночь, пока первый парень, наконец, не проснется и не оповестит береговую …

19 probability  bayesian  posterior  bayes 

Я думаю, что хороший способ запомнить формулу - это думать о формуле так: Вероятность того, что какое-либо событие A имеет конкретный результат, учитывая результат независимого события B = вероятность того, что оба результата произошли одновременно / что бы мы ни говорили, вероятность ожидаемого результата события A была бы, если бы …

15 bayesian  bayes 

Я не понимаю, как это уравнение было получено. P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M1∩M2)≤P(I)P(I′)⋅P(M1|I)P(M2|I)P(M1|I′)P(M2|I′)P(I|M_{1}\cap M_{2}) \leq \frac{P(I)}{P(I')}\cdot \frac{P(M_{1}|I)P(M_{2}|I)}{P(M_{1}|I')P(M_{2}|I')} Это уравнение было взято из статьи «Испытание по вероятности», где случай О.Дж. Симпсона был приведен в качестве примера задачи. Обвиняемый находится под следствием за двойное убийство, и против него представлены два доказательства. M1M1M_{1} - это случай, когда …

13 bayesian  conditional-probability  bayes 

Какова связь между линейным дискриминантным анализом и правилом Байеса? Я понимаю, что LDA используется в классификации, пытаясь минимизировать соотношение внутри групповой дисперсии и между групповой дисперсией, но я не знаю, как в ней используется правило Байеса.

12 classification  discriminant-analysis  bayes 

Это больше вопрос истории науки, но я надеюсь, что он здесь по теме. Я читал, что Томасу Байесу удалось обнаружить теорему Байеса только для частного случая равномерного априора, и даже тогда он, очевидно, боролся с ней. Учитывая, насколько тривиальна общая теорема Байеса в современной трактовке, почему она представляла проблему для …

12 bayesian  bayes  history 

Считается идеальным случаем, когда структура вероятности, лежащая в основе категорий, известна полностью. Почему с помощью байесовского классификатора мы достигаем наилучшей производительности, которая может быть достигнута? Что является формальным доказательством / объяснением этого? Как мы всегда используем байесовский классификатор в качестве эталона для сравнения производительности всех других классификаторов.

11 probability  classification  bayesian  bayes 

Я читал Wagenmakers (2007) Практическое решение широко распространенной проблемы значений p . Я заинтригован преобразованием значений BIC в байесовские факторы и вероятности. Тем не менее, до сих пор у меня нет четкого представления о том, что такое информация о единицах ранее . Я был бы благодарен за объяснение с изображениями …

11 prior  bic  bayes  unit-information-prior 

Я пытаюсь обернуть голову вокруг результата теоремы Байеса, примененного к классическому примеру маммографии, с идеальным поворотом маммограммы. Это, Заболеваемость раком:.01.01.01 Вероятность положительной маммографии у пациента с раком:111 Вероятность положительной маммографии, учитывая, что пациент не имеет рака:.01.01.01 Байес: P (рак | маммография +) =1⋅.01(1⋅.01)+(.091⋅.99)1⋅.01(1⋅.01)+(.091⋅.99)\dfrac {1 \cdot .01}{(1 \cdot .01) + (.091 …

11 bayesian  bayes  binning  diagnosis 

Я работал с нечеткой логикой (FL) в течение многих лет, и я знаю, что существуют различия между FL и вероятностью, особенно в отношении того, как FL справляется с неопределенностью. Однако я хотел бы спросить, какие еще существуют различия между FL и вероятностью? Другими словами, если я имею дело с вероятностями …

10 bayes  fuzzy 

Байесовский фактор определяется в байесовском тестировании гипотезы и выборе байесовской модели соотношением двух предельных правдоподобий: с учетом выборки iid и соответствующих плотностей выборки и , с соответствующими приорами и , для сравнения двух моделей используется байесовский фактор: книга Я в настоящее время рассматривает имеет странное утверждение , что выше Байеса …

9 bayes  marginal  sequential-analysis  bayes-factors 

Потери L2 вместе с потерями L0 и L1 являются тремя очень распространенными функциями потерь «по умолчанию», используемыми при суммировании апостериорного значения с минимальной апостериорной ожидаемой потерей. Возможно, одной из причин этого является то, что их относительно легко вычислить (по крайней мере, для 1d-распределений), L0 приводит к моде, L1 - к …

9 bayes  teaching  decision-theory  loss-functions 

С математической точки зрения теорема Байеса имеет для меня совершенный смысл (т.е. вывод и доказательство), но я не знаю, есть ли хороший геометрический или графический аргумент, который можно показать для объяснения теоремы Байеса. Я попытался найти что-нибудь на Google, и на удивление не смог ничего найти.

9 bayesian  bayes  geometry