Saya mencoba memahami logika d-Separation di Causal Bayesian Networks. Saya tahu bagaimana algoritma bekerja, tetapi saya tidak benar-benar mengerti mengapa "aliran informasi" bekerja seperti yang dinyatakan dalam algoritma Sebagai contoh pada grafik di atas, mari kita berpikir bahwa kita hanya...
Sebagai seorang mahasiswa dalam bidang fisika, saya telah mengalami kuliah "Mengapa saya seorang Bayesian" mungkin setengah lusin kali. Itu selalu sama - presenter dengan sombong menjelaskan bagaimana penafsiran Bayesian lebih unggul daripada interpretasi yang sering digunakan oleh massa. Mereka...
Saya membaca bahwa dalam aturan Bayes, penyebut dariPr ( data )Pr(data)\Pr(\textrm{data}) Pr ( parameter ∣ data ) = Pr ( data ∣ parameter ) Pr ( parameter )Pr ( data )Pr(parameter∣data)=Pr(data∣parameter)Pr(parameter)Pr(data)\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid...
Saya memiliki pemahaman yang kabur tentang apa metode penyampaian pesan: sebuah algoritma yang membangun perkiraan untuk suatu distribusi dengan secara iteratif membangun perkiraan masing-masing faktor distribusi yang tergantung pada semua perkiraan semua faktor lainnya. Saya percaya bahwa...
Saya kira itu P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B)=P(A|B,C)∗P(C)+P(A|B,¬C)∗P(¬C)P(A|B) = P(A | B,C) * P(C) + P(A|B,\neg C) * P(\neg C) benar, padahal P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B)=P(A|B,C)+P(A|B,¬C)P(A|B) = P(A | B,C) + P(A|B,\neg C) salah. Namun, saya sudah mendapat "intuisi"...
Saya pikir cara yang baik untuk mengingat rumus adalah dengan memikirkan rumus seperti ini: Probabilitas bahwa beberapa peristiwa A memiliki hasil tertentu yang diberikan peristiwa independen hasil B = probabilitas kedua hasil yang terjadi secara bersamaan / apa pun yang kita katakan probabilitas...
Pertanyaan dasar saya adalah: bagaimana Anda akan mengambil sampel dari distribusi yang tidak tepat? Apakah masuk akal untuk mengambil sampel dari distribusi yang tidak tepat? Komentar Xi'an di sini semacam menjawab pertanyaan itu, tetapi saya sedang mencari beberapa detail lebih lanjut tentang...
Kami diminta oleh reviewer untuk memberikan nilai-p agar dapat lebih memahami estimasi model dalam model multilevel bayesian kami. Model ini adalah model khas dari beberapa pengamatan per peserta dalam percobaan. Kami memperkirakan model dengan Stan, sehingga kami dapat dengan mudah menghitung...
Jadi dalam pemodelan teks (tanpa pengawasan), Latent Dirichlet Allocation (LDA) adalah versi Bayesian dari Probabilistic Latent Semantic Analysis (PLSA). Intinya, LDA = PLSA + Dirichlet sebelum parameternya. Pemahaman saya adalah bahwa LDA sekarang menjadi algoritma referensi dan diimplementasikan...
Saya memiliki masalah dalam memahami mengapa Bayesian Inference mengarah pada masalah yang sulit diselesaikan. Masalahnya sering dijelaskan seperti ini: Apa yang saya tidak mengerti adalah mengapa integral ini harus dievaluasi di tempat pertama: Tampaknya bagi saya bahwa hasil integral adalah...
Saya perlu "mempelajari" distribusi gaussian bivariat dengan beberapa sampel, tetapi hipotesis yang baik pada distribusi sebelumnya, jadi saya ingin menggunakan pendekatan bayesian. Saya mendefinisikan sebelumnya: P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim...
Saya telah mendengar bahwa regresi ridge dapat diturunkan sebagai rata-rata distribusi posterior, jika prior dipilih secara memadai. Apakah intuisi bahwa kendala seperti yang ditetapkan pada koefisien regresi oleh sebelumnya (misalnya distribusi normal standar sekitar 0) adalah identik / ganti...
Saat ini saya membaca tentang Metode Bayesian dalam Komputasi Evolusi Molekul oleh Yang. Dalam bagian 5.2 ini berbicara tentang prior, dan secara khusus Non-informatif / flat / samar-samar / menyebar, konjugat, dan hiper-prior. Ini mungkin meminta penyederhanaan yang berlebihan tetapi, dapatkah...
Pertanyaan ini dipicu dari pertanyaan: Kapan (jika pernah) pendekatan yang lebih sering secara substantif lebih baik daripada Bayesian? Ketika saya memposting dalam solusi saya untuk pertanyaan itu, menurut pendapat saya, jika Anda adalah seorang yang sering, Anda tidak perlu percaya / berpegang...
Jadi, kita tahu bahwa pencarian acak berfungsi lebih baik daripada pencarian kisi, tetapi pendekatan yang lebih baru adalah optimasi Bayesian (menggunakan proses gaussian). Saya telah mencari perbandingan antara keduanya, dan tidak menemukan apa pun. Saya tahu bahwa di cs231n Stanford mereka hanya...
Latar belakang: Saat ini saya sedang melakukan beberapa pekerjaan membandingkan berbagai model hirarki Bayesian. Data adalah ukuran numerik dari kesejahteraan untuk peserta dan waktu . Saya memiliki sekitar 1.000 peserta dan 5 hingga 10 pengamatan per peserta.ysaya
Jadi, ini mungkin pertanyaan umum, tetapi saya belum pernah menemukan jawaban yang memuaskan. Bagaimana Anda menentukan probabilitas bahwa hipotesis nol itu benar (atau salah)? Katakanlah Anda memberi siswa dua versi ujian yang berbeda dan ingin melihat apakah versinya setara. Anda melakukan...
Saya mencari buku teks yang ketat secara teoretis tentang ekonometrika Bayesian, dengan asumsi pemahaman yang kuat tentang ekonometrik sering. Saya ingin menyarankan satu karya per jawaban, sehingga rekomendasi dapat dinilai naik atau turun secara
MLE = Estimasi Kemungkinan Maksimum MAP = Maksimum a posteriori MLE bersifat intuitif / naif karena MLE hanya dimulai dengan probabilitas pengamatan yang diberikan parameter (yaitu fungsi kemungkinan) dan mencoba menemukan parameter terbaik sesuai dengan pengamatan . Tapi itu tidak...
T: Apa cara standar untuk mengelompokkan data menggunakan Proses Dirichlet? Saat menggunakan cluster sampel Gibbs, muncul dan menghilang selama pengambilan sampel. Selain itu, kami memiliki masalah pengidentifikasian karena distribusi posterior tidak berbeda dengan relabeling cluster. Dengan...