나는 후자가 무엇인지 이해하지만 후자가 무엇을 의미하는지 잘 모르겠습니다.
2는 어떻게 다릅니 까?
Kevin P Murphy는 교과서 인 Machine Learning : Probabilistic Perspective 에서 "내부 신념 상태"라고 지적했습니다. 이것이 실제로 무엇을 의미합니까? 나는 Prior가 당신의 내부 신념이나 편견을 나타냅니다.
나는 후자가 무엇인지 이해하지만 후자가 무엇을 의미하는지 잘 모르겠습니다.
2는 어떻게 다릅니 까?
Kevin P Murphy는 교과서 인 Machine Learning : Probabilistic Perspective 에서 "내부 신념 상태"라고 지적했습니다. 이것이 실제로 무엇을 의미합니까? 나는 Prior가 당신의 내부 신념이나 편견을 나타냅니다.
답변:
둘 사이의 간단한 차이는 사후 분포가 알 수없는 모수 에 의존한다는 것입니다. 즉 사후 분포는 다음과 같습니다.
반면에 사후 예측 분포는 미지의 모수 에 의존하지 않으므로 통합됩니다. 즉, 사후 예측 분포는
여기서 는 관찰되지 않은 새로운 랜덤 변수이며 와 무관 합니다.
나는 당신이 그것을 이해한다고 말했기 때문에 사후 분포 설명에 머 무르지 않을 것입니다. 그러나 사후 분포는 "불확실한 양의 분포로, 무작위 변수로 취급되며, 얻은 증거에 따라 조건부"입니다 (Wikipedia). 따라서 기본적으로 알려지지 않은 임의의 매개 변수를 설명하는 분포입니다.
반면에 사후 예측 분포 는 이미 본 데이터를 기반으로 미래 예측 데이터의 분포라는 점에서 완전히 다른 의미를 갖습니다. 따라서 사후 예측 분포는 기본적으로 새로운 데이터 값을 예측하는 데 사용됩니다.
도움이되는 경우 사후 분포 및 사후 예측 분포에 대한 예제 그래프입니다.
예측 분포는 일반적으로 일종의 예측 모형의 모수에 대한 사후 분포를 학습 한 경우에 사용됩니다. 예를 들어 베이지안 선형 회귀 분석에서 관측 된 데이터 X가 주어진 경우 모델 y = wX의 w 모수에 대한 사후 분포를 배웁니다.
그런 다음 보이지 않는 새로운 데이터 포인트 x *가 들어 오면 가능한 예측에 대한 분포를 찾습니다. * 방금 배운 w의 사후 분포를 고려할 때. w의 사후에 주어진 y *에 대한이 분포는 예측 분포입니다.