Statistiques et Big Data bayesian

3

J'exécute un test AB sur une page qui ne reçoit que 5 000 visites par mois. Il faudrait trop de temps pour atteindre les niveaux de trafic nécessaires pour mesurer une différence de + -1% entre le test et le contrôle. J'ai entendu dire que je peux utiliser les statistiques …

9 bayesian hypothesis-testing ab-test

1

Utilisation de l'estimation de la densité du noyau dans Naive Bayes Classifier?

Cette question fait suite à ma précédente question ici et est également liée, dans l' intention, à cette question . Sur cette page wiki, les valeurs de densité de probabilité d'une distribution normale supposée pour l'ensemble d'apprentissage sont utilisées pour calculer des valeurs de probabilité bayésiennes postérieures plutôt que réelles. …

9 bayesian kde

1

Quelle est la bonne façon d'écrire le filet élastique?

Je suis confus quant à la bonne façon d'écrire le filet élastique. Après avoir lu certains documents de recherche, il semble y avoir trois formes 1)exp{−λ1|βk|−λ2β2k}exp⁡{−λ1|βk|−λ2βk2}\exp\{-\lambda_1|\beta_k|-\lambda_2\beta_k^2\} 2)exp{−(λ1|βk|+λ2β2k)σ2√}exp⁡{−(λ1|βk|+λ2βk2)σ2}\exp\{-\frac{(\lambda_1|\beta_k|+\lambda_2\beta_k^2)}{\sqrt{\sigma^2}}\} 3)exp{−(λ1|βk|+λ2β2k)2σ2}exp⁡{−(λ1|βk|+λ2βk2)2σ2}\exp\{-\frac{(\lambda_1|\beta_k|+\lambda_2\beta_k^2)}{2\sigma^2}\} Je ne comprends tout simplement pas la bonne façon d'ajouter . L'une des expressions ci-dessus est-elle correcte?σ2σ2\sigma^2

8 bayesian mathematical-statistics gibbs elastic-net

2

Les produits des VR échangeables sont-ils échangeables?

Suppose que 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}) et Oui= (Oui1, . . . ,Ouin) : ( Ω , A , P) → ( { 0 , 1}n,2{ 0 , 1 }n)Oui=(Oui1,...,Ouin):(Ω,UNE,P)→({0,1}n,2{0,1}n)Y=(Y_1, ..., Y_n):(\Omega, A,P)\to (\{0,1\}^n, 2^{{\{0,1\}}^n})sont deux variables aléatoires qui ont des RV binaires comme composants (par conséquent …

8 bayesian exchangeability

1

Optimisation bayésienne pour le bruit non gaussien

Une fonction boîte noire F:Rn→ RF:Rn→Rf: \mathbb{R}^n \rightarrow \mathbb{R}, qui est évalué ponctuellement soumis au bruit gaussien, à savoir, F( x ) + N( μ ( x ) , σ( x)2)F(X)+N(μ(X),σ(X)2)f(x) + \mathcal{N}(\mu(x),\sigma(x)^2), peut être minimisé en utilisant l'optimisation bayésienne où un processus gaussien est utilisé comme modèle de fonction …

8 bayesian optimization bayesian-optimization

1

Pourquoi MAP converge-t-il vers MLE?

Dans "L'apprentissage automatique: une perspective probabiliste" de Kevin Murphy, le chapitre 3.2, l'auteur montre l'apprentissage conceptuel bayésien sur un exemple appelé "jeu de nombres": Après avoir observé NNN des échantillons de {1,...,100}{1,...,100}\{1,...,100\}, nous voulons choisir une hypothèse qui décrit le mieux la règle qui a généré les échantillons. Par exemple, …

8 self-study bayesian maximum-likelihood convergence

1

Interprétation probabiliste des cannelures de lissage de plaques minces

TLDR: Les splines de régression en plaques minces ont-elles une interprétation probabiliste / bayésienne? Étant donné les paires entrée-sortie , ; Je veux estimer une fonction comme suit où est une fonction du noyau et est un vecteur caractéristique de taille . Les coefficients et peuvent être trouvés en résolvant …

8 regression bayesian gaussian-process smoothing semiparametric

2

Sélection d'entités sur un modèle linéaire généralisé hiérarchique bayésien

Je cherche à estimer un GLM hiérarchique mais avec une sélection de caractéristiques pour déterminer quelles covariables sont pertinentes au niveau de la population à inclure. Supposons que j'ai GGG groupes avec NNN observations et KKKcovariables possibles C'est-à-dire que j'ai une matrice de conception de covariables , résultats . Les …

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

3

Introduction aux statistiques fréquentistes pour les Bayésiens [fermé]

Fermé . Cette question doit être plus ciblée . Il n'accepte pas actuellement de réponses. Voulez-vous améliorer cette question? Mettez à jour la question afin qu'elle se concentre sur un problème uniquement en modifiant ce message . Fermé il y a 2 ans . Je suis un Bayésien simple d'esprit …

8 bayesian references frequentist

1

Comment incorporer de nouvelles informations dans une distribution précédente de Dirichlet?

Mon problème est le suivant: j'ai un ensemble de prédicteurs qui produisent chacun une distribution sur un ensemble de classes. Ce que je voudrais faire, c'est d'abord avoir un préalable non informatif sur l'apparence de cette distribution d'étiquettes, puis le mettre à jour avec la prédiction de chaque membre de …

8 bayesian ensemble dirichlet-distribution

2

Réponse bayésienne non paramétrique au deep learning?

Si je comprends bien, les réseaux de neurones profonds effectuent un "apprentissage de la représentation" en superposant les caractéristiques ensemble. Cela permet d'apprendre des structures dimensionnelles très élevées dans les entités. Bien sûr, c'est un modèle paramétrique avec un nombre fixe de paramètres, il a donc la limitation habituelle que …

8 machine-learning bayesian nonparametric deep-learning

2

Configuration d'un algorithme de simulation pour vérifier l'étalonnage des probabilités postérieures bayésiennes

Déterminer comment simuler quelque chose est souvent le meilleur moyen de comprendre les principes sous-jacents. Je ne sais pas exactement comment simuler ce qui suit. Supposer que Oui∼ N( μ ,σ2)Oui∼N(μ,σ2)Y \sim N(\mu, \sigma^{2}) et cela μμ\mu a une distribution antérieure qui est N( γ,τ2)N(γ,τ2)N(\gamma, \tau^{2}). Basé sur un échantillon …

8 bayesian simulation posterior

2

Lors de l'approximation d'un postérieur à l'aide de MCMC, pourquoi ne sauvegardons-nous pas les probabilités postérieures mais utilisons-nous ensuite les fréquences des valeurs des paramètres?

J'évalue actuellement les paramètres d'un modèle défini par plusieurs équations différentielles ordinaires (ODE). J'essaie ceci avec une approche bayésienne en approximant la distribution postérieure des paramètres étant donné certaines données en utilisant la chaîne de Markov Monte Carlo (MCMC). Un échantillonneur MCMC génère une chaîne de valeurs de paramètres où …

8 bayesian mcmc posterior

3

Terminologie «matrice de masse» Hamiltonian / Hybrid MCMC

J'essaie d'implémenter HMC avec une matrice de masse non diagonale, mais je me fais trébucher par une partie de la terminologie. Selon BDA3 et la revue de Neal, le terme d'énergie cinétique (qui, je suppose, est toujours utilisé pour des raisons de commodité) est K( p ) =pTM- 1p2.K(p)=pTM−1p2. K(p) …

8 bayesian mcmc monte-carlo

1

Comment reformuler statistiquement cette question

J'analyse un ensemble de données contenant des observations de n nombre de tentatives par des joueurs dans un jeu. Si je construis un modèle de régression pour prédire le résultat de chaque tentative avec un ou plusieurs descripteurs concernant chaque tentative de joueur , comment puis-je mesurer le nombre de …

8 regression statistical-significance bayesian p-value sequence-analysis

Questions marquées «bayesian»