Tag: Bayes

• Dec 27, 2021

  Bayesian_Estimation(Inference)贝叶斯估计

  Bayesian_Estimation(Inference)贝叶斯估计

  贝叶斯估计 2021-12-27 Tags: #Bayes #MachineLearning 贝叶斯估计 有点难, 还要进一步学习 贝叶斯估计是一种参数估计方法, 不只局限于设计贝叶斯分类器 贝叶斯估计的核心在于用新的样本来更新旧的Prior, 一起得到一个PostPrior的参数的概率分布, 合并的过程利用的是贝叶斯分布. 贝叶斯估计和极大似然估计的最大不同就是贝叶斯估计的是参数可能的概率分布, 而不是一个确定的值. 通过对这个概率分布进行积分, 我们可以平均地得到所有情况下最可能出现的参数. 这两篇文章写的很好: Conjugate Prior Explained. With examples & proofs...

  11/19/2023

  • All
  • Bayes
  • MachineLearning

• Dec 21, 2021

  Bayesian Decision Theory - Part1

  Bayesian Decision Theory - Part1

  贝叶斯决策论 - Part1 2021-12-21 Tags: #MachineLearning #Bayes 贝叶斯决策其实就是把生活中我们基于直觉和常识的决策方法形式化了, 并加以进一步地推广. 贝叶斯决策综合考量每种情况的概率和决策带来的代价. 贝叶斯决策假设问题可以用概率分布的形式来刻画, 属于贝叶斯学派的一种方法. Intro A Sad Case 假如圣诞老人打包了100盒糖果, 其中20盒是巧克力($\omega1$), 80盒是水果硬糖($\omega2$), 现在他从里面随机挑了一盒给小企鹅, 盒子的颜色和重量都一样, 那么小企鹅得到的是巧克力还是水果硬糖呢? 如果我们猜对了, 就可以得到一盒糖果! 因为我们只知道不同礼物的比例, 也就是$P(\omega1)=0.2, P(\omega2)=0.8$, 所以为了使正确的概率最大,...

  11/19/2023

  • All
  • MachineLearning
  • Bayes

• Dec 19, 2021

  Understanding Bayes' Theorem

  Understanding Bayes' Theorem

  Understanding Bayes' Theorem 2021-12-19 Tags: #Math/Probability #Bayes 单从形式上来说, Bayes定理是十分简单的. 但是如果我们结合实际问题与一点几何直觉, Bayes定理可以从两个独特的角度来直观理解: Update of Prior Beliefs & Change of Perspective Bayes' Theorem: Statement $$P(A \mid B)=\frac{P(B...

  11/19/2023

  • All
  • Math/Probability
  • Bayes