Pertanyaan yang diberi tag «bayesian»

Saya menjalankan Tes AB pada halaman yang hanya menerima kunjungan 5k per bulan. Akan terlalu lama untuk mencapai tingkat lalu lintas yang diperlukan untuk mengukur perbedaan + -1% antara pengujian dan kontrol. Saya telah mendengar bahwa saya dapat menggunakan statistik Bayesian untuk memberi saya peluang bagus untuk menentukan apakah tesnya …

9 bayesian  hypothesis-testing  ab-test 

Pertanyaan ini merupakan tindak lanjut dari pertanyaan saya sebelumnya di sini dan juga terkait, dengan maksud, dengan pertanyaan ini . Pada halaman wiki ini, nilai kepadatan probabilitas dari asumsi distribusi normal untuk rangkaian pelatihan digunakan untuk menghitung posterior Bayes daripada nilai probabilitas aktual. Namun, jika set pelatihan tidak terdistribusi secara …

9 bayesian  kde 

Saya bingung tentang cara yang benar untuk menulis jaring elastis. Setelah membaca beberapa makalah penelitian, tampaknya ada tiga bentuk 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}\} Saya hanya tidak mengerti cara yang benar untuk menambahkan . Apakah ada dari ungkapan di atas yang benar?σ2σ2\sigma^2

8 bayesian  mathematical-statistics  gibbs  elastic-net 

Asumsikan dan adalah dua Variabel acak yang memiliki RV biner sebagai komponennya (Oleh karena itu ) dan keduanya ( dan ) dapat dipertukarkan, yaituX=(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})Y=(Y1,...,Yn):(Ω,A,P)→({0,1}n,2{0,1}n)Y=(Y1,...,Yn):(Ω,A,P)→({0,1}n,2{0,1}n)Y=(Y_1, ..., Y_n):(\Omega, A,P)\to (\{0,1\}^n, 2^{{\{0,1\}}^n})Xi(ω)∈{0,1},Yi(ω)∈{0,1}Xi(ω)∈{0,1},Yi(ω)∈{0,1}X_i(\omega)\in\{0,1\}, Y_i(\omega) \in \{0,1\}XXXYYYP((X1,...,Xn)=(x1,...,xn))=P((Xσ(1),...,Xσ(n))=(x1,...,xn))P((X1,...,Xn)=(x1,...,xn))=P((Xσ(1),...,Xσ(n))=(x1,...,xn))P((X_1, ..., X_n)=(x_1, ..., x_n))= P((X_{\sigma(1)}, ..., X_{\sigma(n)})=(x_1, ..., x_n)) dan P((Y1,...,Yn)=(y1,...,yn))=P((Yσ(1),...,Yσ(n))=(y1,...,yn))P((Y1,...,Yn)=(y1,...,yn))=P((Yσ(1),...,Yσ(n))=(y1,...,yn))P((Y_1, ..., …

8 bayesian  exchangeability 

Fungsi kotak hitam f:Rn→ Rf:Rn→Rf: \mathbb{R}^n \rightarrow \mathbb{R}, yang dievaluasi secara tunduk pada noise Gaussian, yaitu, , dapat diminimalkan menggunakan optimasi Bayesian di mana Proses Gaussian digunakan sebagai model fungsi berisik.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) Bagaimana optimasi Bayesian dapat digunakan untuk …

8 bayesian  optimization  bayesian-optimization 

Dalam "pembelajaran mesin Kevin Murphy: Perspektif probabilistik", bab 3.2, penulis menunjukkan pembelajaran konsep Bayesian pada contoh yang disebut "permainan angka": Setelah mengamati NNN sampel dari {1,...,100}{1,...,100}\{1,...,100\}, kami ingin memilih hipotesis hhhyang paling menggambarkan aturan yang menghasilkan sampel. Misalnya "bilangan genap" atau "bilangan prima". Estimasi a-posteriori maksimum dan kemungkinan maksimum didefinisikan …

8 self-study  bayesian  maximum-likelihood  convergence 

TLDR: Apakah splines regresi plat tipis memiliki interpretasi probabilistik / Bayesian? Pasangan input-output yang diberikan , ; Saya ingin memperkirakan fungsi sebagai berikut mana adalah fungsi kernel dan adalah vektor fitur dengan ukuran . Koefisien dan dapat ditemukan dengan menyelesaikan mana baris \ Phi diberikan oleh(xsaya,ysaya)(xi,yi)(x_i,y_i)saya=1,...,ni=1,...,ni=1,...,nf(⋅)f(⋅)f(\cdot)f(x)≈kamu(x)=ϕ(xsaya)Tβ+n∑saya=1αsayak(x,xsaya),f(x)≈u(x)=ϕ(xi)Tβ+∑i=1nαik(x,xi),\begin{equation}f(x)\approx u(x)=\phi(x_i)^T\beta +\sum_{i=1}^n \alpha_i k(x,x_i),\end{equation}k(⋅,⋅)k(⋅,⋅)k(\cdot,\cdot)ϕ(xsaya)ϕ(xi)\phi(x_i)m&lt;nm&lt;nm<nαsayaαi\alpha_iβsayaβi\beta_iminα∈Rn,β∈Rm1n‖Y−Φβ−Kα‖2Rn+λαTKα,minα∈Rn,β∈Rm1n∥Y−Φβ−Kα∥2Rn+λαTKα,\begin{equation} …

8 regression  bayesian  gaussian-process  smoothing  semiparametric 

Saya ingin memperkirakan GLM hirarkis tetapi dengan pemilihan fitur untuk menentukan kovariat mana yang relevan pada tingkat populasi untuk dimasukkan. Misalkan saya punya GGGgrup dengan pengamatan dan kemungkinan kovariat Yaitu, saya memiliki matriks desain kovariat , hasil . Koefisien pada kovariat ini adalah .NNNKKKx(N⋅G)×Kx(N⋅G)×K\boldsymbol{x}_{(N\cdot G) \times K}y(N⋅G)×1y(N⋅G)×1\boldsymbol{y}_{(N\cdot G) \times 1}βK×1βK×1\beta_{K …

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

Ditutup . Pertanyaan ini perlu lebih fokus . Saat ini tidak menerima jawaban. Ingin meningkatkan pertanyaan ini? Perbarui pertanyaan sehingga berfokus pada satu masalah hanya dengan mengedit posting ini . Ditutup 2 tahun yang lalu . Saya seorang Bayesian yang berpikiran sederhana yang merasa nyaman di dunia Bayes yang nyaman. …

8 bayesian  references  frequentist 

Masalah saya adalah ini: Saya memiliki ansambel prediktor yang masing-masing menghasilkan distribusi melalui serangkaian kelas. Apa yang ingin saya lakukan adalah terlebih dahulu memiliki informasi non-informatif tentang bagaimana penampilan label ini, dan kemudian memperbaruinya dengan prediksi masing-masing anggota ensemble. Jadi saya berpikir untuk menggunakan Dirichlet non-informatif sebelumnya, yang kemudian saya …

8 bayesian  ensemble  dirichlet-distribution 

Seperti yang saya pahami, jaringan saraf yang dalam melakukan "representasi pembelajaran" dengan meletakkan fitur bersama. Ini memungkinkan mempelajari struktur dimensi yang sangat tinggi dalam fitur-fiturnya. Tentu saja, ini adalah model parametrik dengan jumlah parameter yang tetap, sehingga memiliki keterbatasan yang biasa sehingga kompleksitas model mungkin sulit disetel. Apakah ada cara …

8 machine-learning  bayesian  nonparametric  deep-learning 

Mencari tahu bagaimana mensimulasikan sesuatu sering kali merupakan cara terbaik untuk memahami prinsip-prinsip yang mendasarinya. Saya sedikit bingung bagaimana tepatnya mensimulasikan yang berikut ini. Misalkan dan bahwa memiliki distribusi sebelumnya yaitu . Berdasarkan sampel pengamatan disingkat dengan hanya , saya tertarik untuk menunjukkan kepada non-Bayesian bahwa probabilitas posterior bahwa dikalibrasi …

8 bayesian  simulation  posterior 

Saat ini saya memperkirakan parameter model yang ditentukan oleh beberapa persamaan diferensial biasa (ODE). Saya mencoba ini dengan pendekatan bayesian dengan memperkirakan distribusi posterior parameter yang diberikan beberapa data menggunakan Markov Chain Monte Carlo (MCMC). MCMC sampler menghasilkan rantai nilai parameter di mana ia menggunakan probabilitas posterior (tidak dinormalisasi) dari …

8 bayesian  mcmc  posterior 

Saya mencoba menerapkan HMC dengan matriks massa non-diagonal, tetapi saya tersandung oleh beberapa terminologi. Menurut BDA3 dan ulasan Neal, istilah energi kinetik (yang saya kira selalu digunakan karena kenyamanan) adalah K( p ) =halTM.- 1hal2.K(p)=pTM−1p2. K(p) = \frac{p^T M^{-1} p}{2} \,. Ini juga dikenali disebut multivariat normal dengan mean nol …

8 bayesian  mcmc  monte-carlo 

Saya menganalisis dataset yang berisi pengamatan dari n sejumlah upaya oleh pemain dalam sebuah permainan. Jika saya membangun model regresi untuk memprediksi hasil dari setiap upaya yang diberikan 1 atau lebih deskriptor mengenai upaya masing-masing pemain , bagaimana cara mengukur berapa banyak upaya pemain harus sebelum deskriptor tertentu menjadi "bermakna" …

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