Свързани публикации 'bayesian-statistics'


Разбиране на целевите функции в невронните мрежи.
Тази публикация в блога е насочена към хора, които имат опит с машинно обучение и искат да получат по-добра интуиция за различните обективни функции, използвани за обучение на невронни мрежи. Въведение Причината, поради която реших да напиша тази публикация в блога, е три: Публикациите в блогове често обясняват методи за оптимизация като стохастичен градиентен низход или негови „варианти“, но малко време се отделя за обяснение как се конструират обективните функции за невронни..
Защо повечето уводни примери за байесова статистика го представят погрешно
Ако някога сте попадали на материал, който въвежда байесовото заключение, ще откриете, че той обикновено включва пример за това колко подвеждащи могат да бъдат някои медицински тестови устройства при откриването на болести. Други варианти на този пример включват използване на дрегер за откриване на количеството алкохол в кръвния поток или, ако искаме да сме креативни, някакво измислено устройство, което може да различи обикновен човек от върколак. Схванахте идеята. Тези примери..
Пускане на байесови модели в производство
В тази публикация ще подчертая някои от нещата, които трябва да имате предвид при пускането на байесови модели в производство и как те се сравняват с „класическите“ ML модели. Пълният код може да бъде намерен в GitHub . Въведение Байесовото моделиране придобива голяма популярност в общността на науката за данни. Това е особено вярно в области като маркетинга, където моделите за напр. оценката на целия живот на клиента (CLV) или моделирането на маркетинговия микс (MMM) стават все..
Кажете здравей на PyMC 3.5
Публикувано от Chris Fonnesbeck от името на екипа за разработка на PyMC Екипът за разработка на PyMC с гордост обявява пускането на версия 3.5 днес. Тази версия включва няколко подобрения на използваемостта, така че препоръчваме тази актуализация на всички потребители. Прилагането на паралелно вземане на проби е преработено, за да бъде по-стабилно с големи следи, да показва ленти за напредъка за множество вериги и да връща частични резултати за прекъснато вземане на проби. Добавени..
Въведение в Bayesian Inference в PyStan
Демонстриране на Bayesian работен процес с помощта на Python и Stan Въведение Многобройните предимства на байесовските подходи в науката за данните рядко се подценяват. За разлика от сравнително прашната честолистка традиция, която дефинира статистиката през 20-ти век, байесовите подходи съвпадат по-близо със заключенията, които човешкият мозък прави, като комбинират базирани на данни вероятности с предишни вярвания за света. Този вид подход е плодотворно приложен в „обучението с..
Параметрите на вашия модел са корелирани. Сега какво?
Току-що сте се сдобили с хубав набор от данни, например цени на недвижими имоти с характеристиките на домовете. Въпрос, който можете да си зададете е: Как да предвидя цената на къща въз основа на нейните характеристики? Първият модел, който идва на ум, би бил линеен модел, който приема характеристиките като входни данни. Да кажем, че имаме достъп до следните характеристики: Квадратура на къщата Брой спални Локализация Година на построяване Проблемът с прогнозирането на цените..
Какво е Bayesian Network Classifier?
Класификатор, който приема силни (наивни) допускания за независимост, базирани на теоремата на Байс, е известен като класификатор на байесова мрежа. По-описателен термин за основния вероятностен модел би бил „модел на независими характеристики“. С прости думи, наивният класификатор на Бейс предполага, че присъствието (или отсъствието) на конкретна характеристика на даден клас не е свързано с присъствието (или отсъствието) на която и да е друга характеристика. Пример: Във всяка банка за..