贝叶斯线性回归:概率与预测建模的融合
从贝叶斯角度看,线性回归不仅仅是通过数据点拟合一条线。它是一个贝叶斯过程,我们用概率来表达对变量间关系的不确定性。在这种方法中假设不确定性遵循高斯(正态)分布,不是寻找单一的最佳拟合线,而是考虑所有可能的线,根据它们在给定数据下的可能性进行权衡。高斯分布高斯分布(正态分布)是贝叶斯线性回归的核心。其...
袁贤讯:概率的红旗依然飘扬——兼议近期贝叶斯的讨论
好,启发式教学到此为止,剩下的都是历史,Therestishistory.有兴趣的读者可以再看有关贝叶斯的一道补充习题还有更早写的如何理解贝叶斯?全文阅读
【机器学习基础】13张动图快速理解马尔科夫链、PCA、贝叶斯!
这是一个很好的迹象,我们所看到的结构反映了现实世界地理的一个重要事实北爱尔兰是四个国家中唯一一个不在大不列颠岛上的。条件概率条件概率是指一个事件在另外一个事件已经发生条件下的发生概率。一个落下来的球可能落在红色的架子上(称之为A事件),或者落在蓝色架子上(称之为B事件),或者两者兼而有之。那...
汇添富基金沈若雨:浅谈投资中的贝叶斯思维
根据贝叶斯公式,后验概率可以在先验概率的基础上进行修正并得到,这一思维模式非常类似于我们在日常投资工作中通过研究提升预测准确性、不断接近公司真实基本面的过程。贝叶斯思维中有几个关键点非常值得我们在投资时借鉴:第一,当先验概率足够强大时,即使出现新的信息,先验概率也会对后验概率表现出惊人的影响力,这一...
贝叶斯学派与频率学派,统计学领域的两大学派:究竟谁正确?
到目前为止,我们看到至少有三种针对概率的观点:传统频率派,以本书作者杰恩斯为代表的客观贝叶斯派,以及以德菲内蒂为代表的主观贝叶斯派.这里将概率的古典定义和统计定义都归到频率派里,因为两者都是用两个数的比值(频率)来定义概率的.贝叶斯派其实还包含经验贝叶斯派等,这里姑且不论.有一个基本的问题:如果将概率论视...
高山:有关科学网一篇概率问题的再讨论
高山:有关科学网一篇概率问题的再讨论我认为作者的计算也是错误的,贝叶斯的观念,简单来说,就是用观察的数据来修正先验概率,以得到后验概率,但是数据必须大,而且无偏,一两次修正,基本概率变化不大(www.e993.com)2024年10月16日。贝叶斯修正得到的后验概率应该是针对人群的,也就是对P(A)进行修正,对于王宏这个人,不是能用贝叶斯概率修正的,...
概率、统计学在机器学习中应用:20个Python示例
使用PyMC3进行简单的贝叶斯推断:importpymc3aspmwithpm.Model()asmodel:mu=pm.Normal('mu',mu=0,sd=1)obs=pm.Normal('obs',mu=mu,sd=1,observed=np.random.randn(100))trace=pm.sample(1000)pm.plot_posterior(trace)...
英国软件大佬离奇遇难:兴于“贝叶斯”、猝于“贝叶斯”
再说说“贝叶斯”。生活在18世纪的英国人托马斯·贝叶斯(ThomasBayes,1702-1761)是一位主业为牧师的业余数学家,他创立了贝叶斯统计理论。概率论的创始人被广泛认为是法国数学家布莱兹·帕斯卡(BlaisePascal)和皮埃尔·德·费马(PierredeFermat)。在17世纪,这两位数学家通过信件讨论了赌博问题。这些讨论...
概率是人生的指南 | 普通人如何利用「贝叶斯思想」提高概率推理...
他在18世纪对概率数学的研究激发了一场运动,我们现在称之为贝叶斯统计运动。你可能在谈话中听到过“贝叶斯”的说法,或者在新闻报道中听到过。贝叶斯主义的核心是一种概率推理工具包,它告诉你如何用数字衡量置信度,如何测试这些置信度是否合理,以及随着时间的推移如何管理这些置信度。
决策者的决定都是概率练习题
决策树只是在输入有用的时候才起作用,而静态概率——还没有被更新的概率没有多少价值。只有不断根据客观信息更新概率,决策树才能起到作用。不管是否认识到此点,实际上,决策者所做的决定都是概率练习题。为了成功,重要的是他们对概率的描述应该包括历史记录和最新的数据。这就是贝叶斯分析的用武之地。