Una distribuzione a priori nella statistica bayesiana tale che, se combinata con la probabilità, il posteriore risultante proviene dalla stessa famiglia di distribuzioni.
Nell'algoritmo modello argomento LDA, ho visto questo presupposto. Ma non so perché ho scelto la distribuzione di Dirichlet? Non so se possiamo usare la distribuzione uniforme su Multinomial come coppia?
Ho cercato di capire l'idea dei priori coniugati nelle statistiche bayesiane per un po ', ma semplicemente non capisco. Qualcuno può spiegare l'idea nei termini più semplici possibili, forse usando il "priore gaussiano" come esempio?
Alcune distribuzioni hanno priori coniugati e altre no. Questa distinzione è solo un incidente? Cioè, fai la matematica, e funziona in un modo o nell'altro, ma non ti dice davvero nulla di importante sulla distribuzione tranne il fatto stesso? O la presenza o l'assenza di un coniugato precedente riflette alcune …
Come possiamo calcolare un posteriore con un precedente N ~ (a, b) dopo aver osservato n punti dati? Suppongo che dobbiamo calcolare la media del campione e la varianza dei punti dati e fare una sorta di calcolo che combini il posteriore con il precedente, ma non sono sicuro di …
Esiste un coniugato precedente alla distribuzione di Laplace ? In caso contrario, esiste un'espressione nota in forma chiusa che approssima il posteriore per i parametri della distribuzione di Laplace? Ho cercato su google un bel po 'senza successo, quindi la mia ipotesi attuale è "no" sulle domande sopra ...
Oltre all'usabilità, esiste qualche giustificazione epistemica (matematica, filosofica, euristica, ecc.) Per l'uso dei priori coniugati? O è principalmente solo che di solito è un'approssimazione abbastanza buona e rende le cose molto più facili?
Quando si deduce la matrice di precisione ΛΛ\boldsymbol{\Lambda} di una distribuzione normale utilizzata per generare vettori D-dimensionali N \ mathbf {x_1}, .., \ mathbf {x_N} \ begin {align} \ mathbf {x_i} & \ sim \ mathcal {N} (\ boldsymbol {\ mu, \ Lambda ^ {- 1}}) \\ \ end {align} …
Gli stimatori di Bayes sono immuni da errori di selezione? La maggior parte degli articoli che discutono la stima in alta dimensione, ad esempio i dati dell'intera sequenza del genoma, solleveranno spesso il problema della distorsione della selezione. La distorsione della selezione deriva dal fatto che, sebbene abbiamo migliaia di …
Di seguito è riportato un estratto dall'Introduzione alla statistica bayesiana di Bolstad . Per tutti voi esperti là fuori, questo potrebbe essere banale ma non capisco come l'autore concluda che non dobbiamo fare alcuna integrazione per calcolare la probabilità posteriore per un valore di . Comprendo la seconda espressione che …
Esempi: ho una frase nella descrizione del lavoro: "Ingegnere senior Java nel Regno Unito". Voglio usare un modello di apprendimento profondo per prevederlo in 2 categorie: English e IT jobs. Se uso il modello di classificazione tradizionale, posso solo prevedere 1 etichetta con la softmaxfunzione all'ultimo livello. Quindi, posso usare …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.