Публикации по теме 'bayesian-statistics'


Понимание целевых функций в нейронных сетях.
Это сообщение в блоге предназначено для людей, которые имеют опыт работы с машинным обучением и хотят лучше понять различные целевые функции, используемые для обучения нейронных сетей. Вступление Я решил написать этот пост по трем причинам: Сообщения в блогах часто объясняют методы оптимизации, такие как стохастический градиентный спуск или его варианты , но мало времени тратится на объяснение того, как построены целевые функции для нейронных сетей. Почему среднеквадратичная..
Почему большинство вводных примеров байесовской статистики искажают ее
Если вы когда-либо сталкивались с материалом, который знакомит с байесовским выводом, вы обнаружите, что он обычно включает в себя пример того, как некоторые медицинские тестовые устройства могут вводить в заблуждение при обнаружении заболеваний. Другие варианты этого примера включают использование алкотестера для определения количества алкоголя в крови или, если мы хотим проявить изобретательность, какое-то вымышленное устройство, которое может отличить обычного человека от оборотня...
Внедрение байесовских моделей в производство
В этом посте я расскажу о некоторых моментах, которые следует учитывать при запуске байесовских моделей в производство, и о их сравнении с классическими моделями машинного обучения. Полный код можно найти на GitHub . Введение Байесовское моделирование пользуется большой популярностью в сообществе специалистов по обработке и анализу данных. Это особенно актуально в таких областях, как маркетинг, где модели, например, Оценка продолжительности жизни клиента (CLV) или моделирование..
Скажи привет PyMC 3.5
Автор: Крис Фоннесбек от имени команды разработчиков PyMC Команда разработчиков PyMC рада объявить сегодня о выпуске версии 3.5. В этой версии есть несколько улучшений для удобства использования, поэтому мы рекомендуем это обновление всем пользователям. Реализация параллельной выборки была переработана, чтобы сделать ее более устойчивой с большими трассировками, отображать индикаторы выполнения для нескольких цепочек и возвращать частичные результаты для прерванной выборки. Было..
Введение в байесовский вывод в PyStan
Демонстрация байесовского рабочего процесса с использованием Python и Stan Вступление Многие достоинства байесовских подходов в науке о данных редко недооцениваются. В отличие от сравнительно пыльной частотной традиции, которая определяла статистику в 20-м веке, байесовские подходы более точно соответствуют выводам, которые выполняет человеческий мозг, путем объединения основанных на данных вероятностей с предшествующими представлениями о мире. Такой подход плодотворно применяется в..
Параметры вашей модели коррелированы. Что теперь?
Вы только что получили себе хороший набор данных, например, цены на недвижимость с характеристиками домов. Вы можете задать себе вопрос: как мне предсказать цену дома на основе его характеристик? Первой моделью, которая приходит на ум, будет линейная модель, использующая характеристики в качестве входных данных. Допустим, у нас есть доступ к следующим характеристикам: Площадь дома Количество спален Локализация Год постройки Проблема прогнозирования цен на жилье с такими..
Что такое Байесовский сетевой классификатор?
Классификатор, который предполагает сильные (наивные) предположения о независимости, основанные на теореме Байеса, известен как байесовский сетевой классификатор. Более описательным термином для лежащей в основе вероятностной модели будет «независимая модель признаков». Проще говоря, наивный байесовский классификатор предполагает, что наличие (или отсутствие) определенного признака класса не связано с наличием (или отсутствием) какого-либо другого признака. Пример: В любом банке для..