Saya kagum bahwa saya tidak dapat menemukan artikel / kuliah tentang bagaimana seseorang dapat memasukkan Distribusi Probabilitas Kelas Sebelumnya dalam pengklasifikasi seperti Regresi Logistik atau Hutan Acak. Jadi pertanyaan saya adalah: Bagaimana menggabungkan Distribusi Probabilitas Kelas...
Dalam Bayesian Data Analysis , bab 13, halaman 317, paragraf penuh kedua, dalam pendekatan modal dan distribusi, Gelman et al. menulis: Jika rencananya adalah untuk meringkas inferensi dengan mode posterior [parameter korelasi dalam distribusi normal bivariat], kita akan mengganti distribusi U...
Prior yang tidak informatif lebih disukai dalam kasus di mana bias tidak dapat diterima (mis. Ruang sidang, dll.) Namun, bagi saya tampaknya masuk akal untuk menggunakan pendekatan frequentist saja. Mengapa pendekatan Bayesian bahkan memiliki prior non-informatif? Terima
Saya punya dua pertanyaan, Pertanyaan 1: Bagaimana saya bisa menunjukkan bahwa distribusi posterior adalah distribusi beta jika kemungkinannya adalah binomial dan yang sebelumnya adalah beta Pertanyaan 2: Bagaimana pilihan parameter sebelumnya mempengaruhi posterior? Bukankah seharusnya mereka...
Saya menggunakan regresi Softmax untuk masalah klasifikasi multi-kelas. Saya tidak memiliki probabilitas sebelumnya yang sama untuk masing-masing kelas. Saya tahu dari Regresi Logistik (regresi softmax dengan 2 kelas) bahwa probabilitas kelas sebelumnya secara implisit ditambahkan ke bias (...
Saya sedang mengerjakan model yang mengandalkan fungsi parametrized jelek yang berfungsi sebagai fungsi kalibrasi pada bagian model. Menggunakan pengaturan Bayesian, saya perlu mendapatkan prior non-informatif untuk parameter yang menggambarkan fungsi saya. Saya tahu bahwa idealnya, saya harus...
Fungsi likelihood dari distribusi lognormal adalah: f(x;μ,σ)∝∏ni11σxiexp(−(lnxi−μ)22σ2)f(x;μ,σ)∝∏i1n1σxiexp(−(lnxi−μ)22σ2)f(x; \mu, \sigma) \propto \prod_{i_1}^n \frac{1}{\sigma x_i} \exp \left ( - \frac{(\ln{x_i} - \mu)^2}{2 \sigma^2} \right ) dan Prioritas Jeffreys...
Misalkan saya akan mendapatkan beberapa sampel dari distribusi binomial. Salah satu cara untuk memodelkan pengetahuan saya sebelumnya adalah dengan distribusi Beta dengan parameter dan . Seperti yang saya pahami, ini sama dengan melihat "kepala" kali dalam uji coba . Dengan demikian, jalan pintas...
Jika prior saya dimodelkan sebagai distribusi probabilitas kontinu, katakanlah, distribusi beta condong untuk mencerminkan bias saya terhadap model-model tertentu, bagaimana saya bisa menghitung probabilitas posterior? Tantangan bagi saya adalah menghitung probabilitas model yang diberikan, karena...
Jika kemungkinan saya memiliki bentuk distribusi beta, dan saya ingin menggunakan Jeffreys 'sebelumnya untuk parameternya, seperti apa bentuk sebelumnya? Untuk beberapa distribusi cukup mudah untuk menghitung. misalnya, dalam kasus binomial, ekspektasi turunan kedua jelas memberi Anda . Tetapi...
Artikel Wikipedia tentang distribusi Gamma , mencantumkan dua metode parameterisasi yang berbeda, salah satunya sering digunakan dalam ekonometrika Bayesian denganα>0α>0\alpha>0 dan β>0β>0\beta>0, αα\alpha adalah parameter bentuk, ββ\beta adalah parameter
Dalam entri Wikipedia untuk kriteria informasi Akaike , kita membaca di bawah Perbandingan dengan BIC (kriteria informasi Bayesian) yang ... AIC / AICc memiliki keunggulan teoritis dibandingkan BIC ... AIC / AICc berasal dari prinsip-prinsip informasi; BIC bukan ... BIC memiliki prioritas 1 / R...
Bagaimana saya menyelesaikan kuadrat dari titik saya tinggalkan, dan apakah ini benar sejauh ini? Saya memiliki sebelumnya normal untuk dari bentuk , untuk mendapatkan:ββ\betap ( β|σ2) ∼ N( 0 ,σ2V)p(β|σ2)∼N(0,σ2V)p(\beta|\sigma^2)\sim \mathcal{N}(0,\sigma^2V) p ( β|σ2) = ( 2 πσ2V)hal2exp[...
Saya telah membaca komentar yang bagus mengenai bagaimana menangani nilai yang hilang sebelum menerapkan SVD, tetapi saya ingin tahu cara kerjanya dengan contoh sederhana: Movie1 Movie2 Movie3 User1 5 4 User2 2 5 5 User3 3 4 User4 1 5 User5 5 1 5 Mengingat matriks di atas, jika saya menghapus...
Saya punya pertanyaan tentang campuran prior konjugat. Saya belajar dan mengatakan campuran beberapa konjugasi beberapa kali ketika saya belajar bayesian. Saya bertanya-tanya mengapa teorema ini sangat penting, bagaimana kita akan menerapkannya ketika kita melakukan analisis Bayesian. Untuk lebih...
Mengingat bahwa estimasi posterior dari kemungkinan normal dan gamma terbalik sebelum adalah:σ′ 2σ′2\sigma'^{2}σ2σ2\sigma^2 σ′2∼ IG ( α +n2, β+∑ni = 1(ysaya-μ)22)σ′2∼IG(α+n2,β+∑i=1n(yi−μ)22)\sigma'^{2}\sim\textrm{IG}\left(\alpha + \frac{n}{2}, \beta
Saat ini saya membaca makalah tentang PCA probabilistik dan saya bertanya-tanya mengapa Gaussian prior (dan bukan beberapa prior lainnya) dipilih untuk variabel laten? Apakah hanya karena itu sederhana atau ada alasan lain? Referensi: Tipping & Bishop, 1999, Analisis Komponen Utama...
Diberikan kemungkinan Gaussian untuk sampel seperti dengan sebagai ruang parameter dan , parameterisasi acak dari vektor rata-rata dan matriks kovarians.yyyp(y|θ)=N(y;μ(θ),Σ(θ))p(y|θ)=N(y;μ(θ),Σ(θ))p(y|\theta) =
Apakah semua prior konjugasi harus berasal dari keluarga eksponensial? Jika tidak, keluarga apa yang diketahui memiliki / menghasilkan prior