Pertanyaan yang diberi tag «wishart»

Mari , yaitu didistribusikan menurut D × D distribusi Wishart dimensi dengan mean ν Ψ dan derajat kebebasan ν . Saya ingin ungkapan untuk E ( log | Λ | ) di mana | Λ | adalah penentu.Λ ∼ WD( ν, Ψ )Λ∼WD(ν,Ψ)\Lambda \sim \mathcal W_D(\nu, \Psi)D × DD×DD \times …

16 distributions  wishart 

Ketika infering presisi matriks ΛΛ\boldsymbol{\Lambda} dari distribusi normal digunakan untuk menghasilkan NNN vektor D-dimensi x1,..,xNx1,..,xN\mathbf{x_1},..,\mathbf{x_N} xi∼N(μ,Λ−1)xi∼N(μ,Λ−1)\begin{align} \mathbf{x_i} &\sim \mathcal{N}(\boldsymbol{\mu, \Lambda^{-1}}) \\ \end{align} kita biasanya menempatkan Wishart sebelum over ΛΛ\boldsymbol{\Lambda} karena distribusi Wishart adalah konjugat sebelumnya untuk pendahuluan distribusi normal multivarian dengan rerata mean dan tidak diketahui yang diketahui: Λ∼W(υ,Λ0)Λ∼W(υ,Λ0)\begin{align} \mathbf{\Lambda} …

12 bayesian  posterior  hierarchical-bayesian  conjugate-prior  wishart 

Saya membaca makalah ini tentang Generalized Wishart Processes (GWP). Makalah ini menghitung kovariansi antara variabel acak yang berbeda (mengikuti Proses Gaussian ) menggunakan fungsi kovarian eksponensial kuadrat, yaitu . Kemudian dikatakan bahwa matriks kovarians ini mengikuti GWP.K(x,x′)=exp(−|(x−x′)|22l2)K(x,x′)=exp⁡(−|(x−x′)|22l2)K(x,x') = \exp\left(-\frac{|(x-x')|^2}{2l^2}\right) Saya dulu berpikir bahwa matriks kovarians dihitung dari fungsi kovarians linier …

11 machine-learning  normal-distribution  covariance  wishart  nonparametric-bayes 

Saya memperkirakan beberapa matriks kovarians terbalik dari serangkaian pengukuran di berbagai subpopulasi menggunakan wishart sebelum di jags / rjags / R. Alih-alih menentukan matriks skala dan derajat kebebasan pada matriks kovarians terbalik sebelumnya (distribusi wishart), saya ingin menggunakan hyperprior pada matriks skala dan derajat kebebasan, sehingga mereka dapat diperkirakan dari …

9 bayesian  covariance  prior  wishart  hierarchical-bayesian