«bayesian» 태그된 질문

따라서 (감독되지 않은) 텍스트 모델링에서 Latent Dirichlet Allocation (LDA)은 베이지안 버전의 확률 적 잠재 성 의미 분석 (PLSA)입니다. 기본적으로 LDA = PLSA + Dirichlet는 매개 변수보다 우선합니다. LDA는 이제 참조 알고리즘이며 다양한 패키지로 구현되는 반면 PLSA는 더 이상 사용해서는 안됩니다. 그러나 (감독 된) 텍스트 분류에서 다항식 Naive Bayes 분류기에 대해 …

15 bayesian  multinomial  prior  naive-bayes  dirichlet-distribution 

Causal Bayesian Networks의 d-Separation 논리를 이해하려고합니다. 알고리즘의 작동 방식을 알고 있지만 알고리즘에 명시된대로 "정보 흐름"이 작동 하는 이유를 정확히 이해하지 못합니다 . 예를 들어 위의 그래프에서 우리에게 X 만 주어지고 다른 변수는 관찰되지 않았다고 생각합시다. 그런 다음 d- 분리 규칙에 따라 정보가 X에서 D로 흐릅니다. X는 줍니다. A는 X를 유발하고 …

15 bayesian  causality  graphical-model  bayesian-network 

현재 Yang의 계산 분자 진화에서 베이지안 방법에 대해 읽고 있습니다. 5.2 절에서는 이전, 특히 비 정보 / 플랫 / 모호한 / 확산, 켤레 및 초 이전에 대해 설명합니다. 이것은 지나치게 단순화를 요구할 수도 있지만 누군가가 이러한 유형의 이전의 차이점과 그것이 베이지안 분석 과정에서 내가 수행 할 분석 / 결정의 결과에 …

15 bayesian  prior 

샘플이 거의없는 이변 량 가우스 분포를 "학습"해야하지만 이전 분포에 대한 가설이 좋으므로 베이지안 접근법을 사용하고 싶습니다. 이전을 정의했습니다 : P(μ)∼N(μ0,Σ0)P(μ)∼N(μ0,Σ0) \mathbf{P}(\mathbf{\mu}) \sim \mathcal{N}(\mathbf{\mu_0},\mathbf{\Sigma_0}) μ0=[00] Σ0=[160027]μ0=[00] Σ0=[160027] \mathbf{\mu_0} = \begin{bmatrix} 0 \\ 0 \end{bmatrix} \ \ \ \mathbf{\Sigma_0} = \begin{bmatrix} 16 & 0 \\ 0 & 27 \end{bmatrix} 그리고 내 분포는 …

15 distributions  bayesian  estimation  covariance  posterior 

메시지 전달 방법이 무엇인지 모호합니다. 배포의 각 요인의 근사를 반복적으로 다른 모든 요인의 모든 근사에 따라 작성하여 분포에 대한 근사를 작성하는 알고리즘입니다. 나는 둘 다 Variational Message Passing 과 Expectation Propagation의 예라고 믿는다 . 메시지 전달 알고리즘이보다 명확하고 정확하게 무엇입니까? 참조를 환영합니다.

15 distributions  bayesian  references  algorithms 

누군가 베이지안 통계와 생성 모델링 기술 사이의 연관성을 설명하는 좋은 참고 자료를 알려줄 수 있습니까? 왜 베이 즈 기법과 함께 생성 모델을 사용 하는가? 완전한 데이터가없는 경우 베이지안 통계를 사용하는 것이 특히 매력적인 이유는 무엇입니까? 나는 기계 학습 중심의 관점에서 왔으며 통계 커뮤니티에서 그것에 대해 더 많이 읽고 싶습니다. 이러한 …

15 bayesian  generative-models 

길이 n의 두 배열 x와 y가 주어지면 모델 y = a + b * x에 적합하고 기울기에 대한 95 % 신뢰 구간을 계산하려고합니다. 이것은 (b-델타, b + 델타)이며 여기서 b는 일반적인 방식으로 발견됩니다. delta = qt(0.975,df=n-2)*se.slope se.slope는 기울기의 표준 오차입니다. R에서 기울기의 표준 오차를 얻는 한 가지 방법은 summary(lm(y~x))$coef[2,2]입니다. 이제 …

15 r  regression  bayesian  confidence-interval  frequentist 

Metropolis-Hastings 및 Gibbs 샘플링과 같은 MCMC 알고리즘은 공동 후방 분포에서 샘플링하는 방법입니다. 저는 대도시의 번거 로움을 이해하고 쉽게 구현할 수 있다고 생각합니다. 어떻게 시작점을 선택하고 사후 밀도와 제안 밀도에 따라 무작위로 '매개 변수 공간을 걷습니다'. Gibbs 샘플링은 한 번에 하나의 매개 변수 만 업데이트하고 다른 매개 변수는 일정하게 유지하여 효과적으로 …

15 bayesian  mcmc  gibbs 

MCMC를 사용하여 혼합 모델을 추정 할 때 라벨 전환 (즉, 사후 분포는 컴포넌트 라벨 전환에 불변)이 문제가됩니다. 이 문제를 다루는 표준 방법이 있습니까? 표준 접근 방식이 없다면 라벨 전환 문제를 해결하기위한 주요 접근 방식의 장단점은 무엇입니까?

15 bayesian  mcmc  mixture 

나는 Bayes 규칙에서 분모 Pr(data)Pr(data)\Pr(\textrm{data}) 의 Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)Pr(parameters∣data)=Pr(data∣parameters)Pr(parameters)Pr(data)\Pr(\text{parameters} \mid \text{data}) = \frac{\Pr(\textrm{data} \mid \textrm{parameters}) \Pr(\text{parameters})}{\Pr(\text{data})} 정규화 상수 라고합니다 . 정확히 무엇입니까? 그 목적은 무엇입니까? 왜 처럼 보 Pr(data)Pr(data)\Pr(data)입니까? 왜 매개 변수에 의존하지 않습니까?

15 probability  bayesian 

물리학을 전공 한 학생으로서 저는“왜 베이지안인가?”강의를 약 6 번 정도 경험했습니다. 발표자는 항상 동일하다. 발표자는 베이지안 해석이 대중에 의해 사용 된 잦은 해석보다 우수하다는 것을 잘 설명한다. 그들은 베이 즈의 규칙, 소외, 이전과 후부를 언급합니다. 실제 이야기는 무엇입니까? 잦은 통계에 대한 적법한 적용 영역이 있습니까? (확실히 여러 번 다이를 샘플링하거나 …

15 probability  bayesian  frequentist 

베이지안 모델에서 짧은 간격 자산 수익을 모델링하기 위해 배포시 사용하고 싶습니다. 분포에 대한 자유도 (모델의 다른 매개 변수와 함께)를 추정하고 싶습니다. 나는 자산 수익률이 정상적이지 않다는 것을 알고 있지만, 그 이상을 너무 많이 모른다. 그러한 모형에서 자유도에 대한 적절하고 약간 유익한 사전 분포는 무엇입니까?

15 distributions  bayesian  modeling  prior 

적용 범위가 95 % 인 신뢰 구간이 사후 밀도의 95 %를 포함하는 신뢰할 수있는 구간과 매우 유사한 경우가 종종 있습니다. 이는 후자의 경우 사전이 균일하거나 거의 균일 할 때 발생합니다. 따라서 신뢰 구간을 사용하여 신뢰할 수있는 구간을 추정 할 수 있으며 그 반대도 마찬가지입니다. 중요한 것은 신뢰할 수있는 구간으로 신뢰 …

14 bayesian  confidence-interval  frequentist  credible-interval 

Hamiltonian Monte Carlo의 작동 방식에 대한 인형 설명을 단계별로 제공 할 수 있습니까? 추신 : 나는 이미 여기에 해밀턴 몬테 카를로 , 그리고 여기에 해밀턴 몬테 카를로 대 순차적 몬테 카를로 , 그리고 여기에 해밀턴 몬테 카를로 : 해밀턴 제안 제안을 이해하는 방법을 읽었습니다. 그리고 단계별로 다루지 않습니다.

14 bayesian  hmc 

따라서 이것은 일반적인 질문 일 수 있지만 만족스러운 답변을 찾지 못했습니다. 귀무 가설이 참 (또는 거짓) 일 확률을 어떻게 결정합니까? 학생들에게 두 가지 다른 버전의 테스트를 제공하고 해당 버전이 동일한 지 확인하고 싶다고 가정 해 봅시다. t- 검정을 수행하면 p- 값이 .02가됩니다. 좋은 p- 값! 즉, 테스트가 동등하지 않을 것입니다. …

14 probability  hypothesis-testing  bayesian