Расчет апостериорного распределения. Пример 1
Вставка
- Опубліковано 19 бер 2017
- Для иллюстрации байесовского подхода мы рассмотрим простой пример
К примеру, у нас есть наблюдения за тем, кого мы выловили,
закидывая удочку в очередной раз, в озере.
Итак, наши наблюдения: y₁ - в первый раз мы выловили карася, во второй раз мы выловили щуку, и в третий раз мы выловили тоже карася
=========================
Подписаться на канал - / @user-bm5zk9mf3o
Курс программирования на R - • Основы программировани...
Курс основы эконометрики в R - • Основы эконометрики в R
Наконец то пробило меня все пазл сложился. Низкий поклон! Спасибо
Спасибо, отличное видео! Все понятно стало!
Не могли бы Вы сделать сюжет о использовании байесовского подхода при построении линейной регрессии в R Studio (например на все тех же данных о пасажирах Титаника). Спасибо.
Спасибо!
а почему функция плотности распределения для двух событий по высоте 1, а не 1/2?
откуда взялось 12p^2?
Кстати такая задача возникла. *Подскажите пожалуйста можно ли ее решить при помощи байесовского подхода?*
Есть Город и есть 100 факторов влияющих на погоду, каждый фактор имеет от 1 до 200 значений.
Например:
-температура вчера от -50 до 50 градусов
-температура позавчера от -50 до 50 градусов
-атмосферное давление вчера от 500 до 1000 мм(условно, я точно не знаю границы)
и прочие
Каждый фактор как-то влияет на температуру завтра.
Вот хочу попробовать решить данную задачу с помощью байесовской оценки решения на Python.
То есть априорную вероятность перевести в апостериорную.
Априорная вероятность как я понял - это будет предположение, что завтра будет примерно такая же температура как была вчера, и нужно как-то пересчитать остальные факторы, как они изменят нашу уверенность, что погода будет не такая же как вчера и в каком диапазоне.
Жаль, что не могу вам ответить в мат.языке. Знаю различие между априорной и апостериарной вероятностями, но не знаю как их выражать через ЯП
Но я считаю, что есть вариант попробовать всё факторы засунуть в дерево решений и обернуть это дело наивным байесовским методом. Но вообще, похоже, что эта задача решается методом обратного распространения ошибки.
@@arp-rarp98 Это интересно
Почему вы так подумали?
Олег Доход я так подумал, потому что, читая книгу о Machine Learning, попадались примеры типа вашего. А вообще у меня появилась новая мысль, вы можете методом обратного распространения ошибки определить входные данные, далее слой за слоем накладывать друг на друга переменные, к которым будет привязан тот или иной фактор, у которого в свою очередь будет определенный вес -> у вас будет не апостериарная возможность предсказать ситуацию при которой известно (причина|следствие), то бишь есть некие факты. Вы можете воспользоваться методом Монте-Карло, с итерацией в n-ое количество раз, и поверьте, это будет в сто раз лучше, чем наивный байесовским. В общем, должно быть как-то так, вы распределяете данные, присваивание им свои веса, на выходе они дают определенные положения, если, так сказать какие-то из n переменных будут взаимодействованными. В оконцове выходные данные должны проходить через метод Монте-Карло и выборочная вероятность, которая будет основана на данных, полученных методом обратного... будет много раз проходить итерацию, что в итоге может сработать лучше.
А как это у лектора так ловко получается писать в зеркальном отражении?
Я что-то не очень понимаю этого момента...
Возможно, в конце просто видео перевернули зеркально. Ну или он левша и как Да Винчи практикует зеркальное письмо.
Видео зеркально отразили относительно вертикальной оси (на обычном видео карман на рубашке справа)
Откуда 12? "Чтобы интеграл равнялся 1, то это выражение надо умножить на 12, в этом несложно убедиться взяв интеграл". Если для кого-то это представляется очевидным, то тема урока для него должна быть еще более очевидна.
Он же проинтегрировал функцию p*(1-p)*p от 0 до 1, получается очевидно 1/12, значит, чтобы интеграл был равен 1, надо домножить на 12
@@Uni-Coder А р чему равно, 1/3? Не получается так 1/12
@@Uni-Coder А как из случайной величины получилось конкретное число 12? Только не говорите "очевидно")
@@Uni-Coder Спасибо за объяснение.
Здесь подробнее рассказано ua-cam.com/video/HLHmE_o9r6I/v-deo.html