Pytania otagowane jako bayesian

Wnioskowanie bayesowskie jest metodą wnioskowania statystycznego, która polega na traktowaniu parametrów modelu jako zmiennych losowych i zastosowaniu twierdzenia Bayesa do wyprowadzenia subiektywnych stwierdzeń prawdopodobieństwa dotyczących parametrów lub hipotez, w zależności od obserwowanego zestawu danych.

3
Strojenie hiper parametrów: Wyszukiwanie losowe a optymalizacja Bayesa
Wiemy zatem, że wyszukiwanie losowe działa lepiej niż wyszukiwanie siatki, ale nowszym podejściem jest optymalizacja Bayesa (przy użyciu procesów gaussowskich). Sprawdziłem porównanie między nimi i nic nie znalazłem. Wiem, że w cs231n Stanforda wspominają tylko o losowym wyszukiwaniu, ale możliwe jest, że chcieli zachować prostotę. Moje pytanie brzmi: które podejście …
5
Podręcznik ekonometrii bayesowskiej
Szukam teoretycznie rygorystycznego podręcznika na temat ekonometrii bayesowskiej, zakładając solidne zrozumienie ekonometrii częstych. Chciałbym zaproponować jedną pracę na odpowiedź, tak aby zalecenia mogły być głosowane indywidualnie w górę lub w dół.
2
Rzut monetą, procesy decyzyjne i wartość informacji
Wyobraź sobie następującą konfigurację: masz 2 monety, monetę A, która jest gwarantowana , oraz monetę B, która może, ale nie musi być uczciwa. Zostaniesz poproszony o wykonanie 100 rzutów monetą, a Twoim celem jest maksymalizacja liczby głów . Wcześniejsze informacje na temat monety B były takie, że została ona odwrócona …
1
Uregulowana bayesowska regresja logistyczna w JAGS
Istnieje kilka prac matematycznych opisujących lasso bayesowskie, ale chcę przetestować poprawny kod JAGS, którego mogę użyć. Czy ktoś może opublikować próbkę kodu BŁĘDY / JAGS, który implementuje regulowaną regresję logistyczną? Każdy schemat (L1, L2, Elasticnet) byłby świetny, ale preferowany jest Lasso. Zastanawiam się także, czy istnieją ciekawe alternatywne strategie wdrażania.
1
Czy dla REML istnieje interpretacja bayesowska?
Czy dostępna jest bayesowska interpretacja REML? Według mojej intuicji, REML ma silne podobieństwo do tak zwanych empirycznych procedur estymacji Bayesa i zastanawiam się, czy wykazano jakąś asymptotyczną równoważność (powiedzmy, w ramach odpowiedniej klasy priorytetów). Zarówno empiryczne Bayesa, jak i REML wydają się na przykład „kompromitowanym” podejściem estymacyjnym podejmowanym na przykład …
1
Jak znaleźć 95% wiarygodny przedział?
Próbuję obliczyć 95% wiarygodny przedział czasu następującego rozkładu tylnego. Nie mogłem znaleźć dla niej funkcji w R, ale czy poniższe podejście jest prawidłowe? x <- seq(0.4,12,0.4) px <- c(0,0, 0, 0, 0, 0, 0.0002, 0.0037, 0.018, 0.06, 0.22 ,0.43, 0.64,0.7579, 0.7870, 0.72, 0.555, 0.37, 0.24, 0.11, 0.07, 0.02, 0.009, 0.005, …
1
Bayesian lasso kontra kolec i płyta
Pytanie: Jakie są zalety / wady korzystania z jednego wcześniejszego do drugiego przy selekcji zmiennych? Załóżmy, że ma prawdopodobieństwo: , w którym można umieścić albo jedną priors: lub: y∼N(Xw,σ2I)y∼N(Xw,σ2I)y\sim\mathcal{N}(Xw,\sigma^2I)wi∼πδ0+(1−π)N(0,100)π=0.9,wi∼πδ0+(1−π)N(0,100)π=0.9, w_i\sim \pi\delta_0+(1-\pi)\mathcal{N}(0,100)\\ \pi=0.9\,, wi∼exp(−λ|wi|)λ∼Γ(1,1).wi∼exp⁡(−λ|wi|)λ∼Γ(1,1). w_i\sim \exp(-\lambda|w_i|)\\ \lambda \sim \Gamma(1,1)\,. Podaję π=0.9π=0.9\pi=0.9 aby podkreślić, że większość wag wynosi zero, a przed gamma …
2
Jak działa Naive Bayes ze zmiennymi ciągłymi?
Według mojego (bardzo podstawowego) zrozumienia Naive Bayes szacuje prawdopodobieństwa na podstawie częstotliwości klasowych każdej cechy w danych treningowych. Ale jak oblicza częstotliwość zmiennych ciągłych? A kiedy przewidujesz, jak klasyfikuje nową obserwację, która może nie mieć takich samych wartości jak żadna obserwacja w zestawie treningowym? Czy używa jakiegoś pomiaru odległości lub …
6
Oszacowanie MLE a MAP, kiedy użyć którego?
MLE = oszacowanie maksymalnego prawdopodobieństwa MAP = Maksimum a posteriori MLE jest intuicyjny / naiwny, ponieważ zaczyna się od prawdopodobieństwa obserwacji danego parametru (tj. Funkcji prawdopodobieństwa) i próbuje znaleźć parametr najlepiej zgodny z obserwacją . Ale nie bierze pod uwagę wcześniejszej wiedzy. MAP wydaje się bardziej rozsądny, ponieważ bierze pod …
4
Czy metody oparte na MCMC są odpowiednie, gdy dostępne jest oszacowanie Maximum a-posteriori?
Zauważyłem, że w wielu praktycznych zastosowaniach, metody oparte na MCMC są używane do oszacowania parametru, nawet jeśli a posterior jest analityczny (na przykład ponieważ priory były sprzężone). Dla mnie bardziej sensowne jest stosowanie estymatorów MAP niż estymatorów opartych na MCMC. Czy ktoś mógłby wskazać, dlaczego MCMC jest nadal odpowiednią metodą …
2
Co to jest Bayesian Deep Learning?
Co to jest Bayesian Deep Learning i jaki ma to związek z tradycyjnymi statystykami Bayesian i tradycyjnym Deep Learning? Jakie są główne pojęcia i matematyka? Czy mogę powiedzieć, że to tylko nieparametryczne statystyki bayesowskie? Jakie są jego przełomowe prace, a także obecne główne zmiany i zastosowania? PS: Bayesian Deep Learning …
3
Robiąc MCMC: użyj jags / stan lub sam go zaimplementuj
Jestem nowy w badaniach Bayesian Statistics. Słyszałem od badaczy, że badacze bayesowscy lepiej wdrażają MCMC samodzielnie, niż używając narzędzi takich jak JAGS / Stan. Czy mogę zapytać, jaka jest korzyść z samodzielnego wdrażania algorytmu MCMC (w „niezbyt szybkich” językach, takich jak R), z wyjątkiem celu uczenia się?
13 bayesian  mcmc 
2
Robienie bayesowskiego przeora z częstego wyniku
Jak przejść do przekształcania częstego wyniku w przeora bayesowskiego? Rozważmy następujący dość ogólny scenariusz: w przeszłości przeprowadzono eksperyment i zmierzono wynik na pewnym parametrze . Analizy dokonano przy użyciu metodologii częstokrzyskiej. Przedział ufności dla ϕ podano w wynikach.ϕϕ\phiϕϕ\phi Przeprowadzam teraz nowy eksperyment, w którym chcę zmierzyć inne parametry, na przykład …
1
Określanie wcześniej wielkości efektu w metaanalizie
Moje pytanie dotyczy priorów co do wielkości efektów, w moim projekcie miarą jest Cohena . Czytając literaturę, często wydaje się, że niejasne są przeory, na przykład w dobrze znanym ośmiu szkołach przykład hierarchicznej metaanalizy bayesowskiej. W przykładzie z ośmiu szkół widziałem niejasny wcześniej używany do oszacowania mu, taki jak μ …
1
Twierdzenie Bayesa z wieloma warunkami
Nie rozumiem, jak wyprowadzono to równanie. 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')} To równanie pochodzi z pracy „Trial by Probability”, gdzie przypadek OJ Simpsona podano jako przykładowy problem. Oskarżony jest sądzony za podwójne zabójstwo i przedstawiono mu dwa dowody. M1M1M_{1} to zdarzenie, w którym krew pozwanego odpowiada kropli krwi znalezionej na …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.