Публикации по теме 'bayesian-statistics'
Интуитивное сравнение MCMC и вариационного вывода
Два отличных способа оценить ненаблюдаемые переменные
Недавно я начал работать над Вероятностным программированием и байесовскими методами для хакеров , который долгое время был в моем списке дел. Говоря как человек, который прошел свою долю занятий по статистике и машинному обучению (включая байесовскую статистику), я обнаружил, что благодаря этому подходу, ориентированному на кодирование, я понимаю вещи, которые раньше никогда не были ясны. Я настоятельно рекомендую это прочитать!..
Введение в байесовский вывод — часть 1
В этой статье мы более подробно рассмотрим Байесовский вывод . Мы хотим понять, чем он отличается от частотного вывода и почему байесовский вывод так важен для машинного обучения. В конце мы также познакомимся с теоремой Байеса. Эта статья послужит мягким введением в следующую статью, в которой мы рассмотрим оценку максимального правдоподобия (MLE) и максимальную апостериорную оценку (MAP).
Байесовский вывод против частотного вывода
Иерархическое байесовское моделирование для Ford GoBike Ridership с PyMC3 - Часть II
В первой части этой серии мы изучили основы использования байесовской модели машинного обучения PyMC3 для построения простой модели линейной регрессии на данных Ford GoBike. В этом примере задачи мы стремились спрогнозировать количество гонщиков, которые будут использовать велопрокат завтра, на основе агрегированных атрибутов предыдущего дня. Этот тривиальный пример был просто холстом, на котором мы продемонстрировали наши байесовские мазки .
Подводя итог нашей предыдущей..
Интервалы прогнозирования в машинном обучении
Модели машинного обучения — это мощные инструменты для прогнозирования, которые стали играть неотъемлемую роль в технологиях, финансах, науке и многих других областях. Однако их предсказания часто сопровождаются некоторой степенью неопределенности, которую необходимо учитывать для принятия обоснованных решений. Для количественной оценки этой неопределенности мы используем интервалы прогнозирования. Давайте поговорим об основных идеях, лежащих в основе интервалов прогнозирования,..
Сравнение A/B-тестирования и выборки Томпсона: плюсы, минусы и многое другое
A/B-тестирование:
A/B-тестирование, также известное как сплит-тестирование, — это метод, используемый для сравнения двух версий веб-страницы или приложения друг с другом, чтобы определить, какая из них работает лучше. Это контролируемый эксперимент, в котором два варианта (А и Б) сравниваются, представляя их одинаковой аудитории в одно и то же время. A/B-тестирование обычно используется в маркетинге, дизайне взаимодействия с пользователем и разработке продуктов для принятия решений об..
Целевые клиенты, умно!
Введение в алгоритм Epsilon Greedy и выборку Томпсона
На июльской встрече тайваньских профессионалов в области данных Гэри Чен из Amex дал отличное введение в предвзятость выживания и алгоритм решения этой проблемы, алгоритм Epsilon Greedy и выборку Томпсона . В этой статье я с нуля объясню, как это работает. Часть кода модифицирована из класса Байесовское машинное обучение на Udemy.com. Это подробный, но краткий материал, который я настоятельно рекомендую.
Хорошо, поехали!..
Байесовская петля
В следующих нескольких статьях мы рассмотрим часто упускаемую из виду сверхспособность современных рекомендательных систем: наивные модели.
Самый простой алгоритм обучения
В старших классах вы могли столкнуться с интригующими головоломками, такими как задача Монти-Холла, которая включала манипулирование условными вероятностями. Но по своей сути формула Байеса довольно интуитивна:
Вы придерживаетесь мнения о мире? Когда появляются новые доказательства, что вы можете сделать?..
Новые материалы
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
Просто начните и учитесь самостоятельно
Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..