我有一個關於貝葉斯後驗推理的問題。我們觀察數據集D = {x_1,x_2,...,x_N},我們給出了一個模型p(x | \ theta)和一個先驗分佈p(\ theta),我們觀察了數據集D = {x_1,x_2,...,x_N}目標是估計通常難以處理的後驗概率p(\ theta | D)。因爲這個聯合分佈與後驗概率p(\ theta | D)= p(\ theta,D)/ p(D)成正比,所以有時候我會發現有些人選擇評估關節p(\ theta,D)這背後的原因是什麼?是不是p(D)很難評估?感謝您的任何建議。貝葉斯方法:哪部分難以在貝葉斯推斷中評估
0
A
回答
1
1
貝葉斯定理可以表示爲P(T | X)= P(T,X)/ P(X)= P(X | T )p(T)/ p(X),對於觀測數據X和參數T而言。通常將p(x | T)稱爲模型的「似然」分量 - 如果指定模型,則此計算簡單。同樣,p(T)給出您指定的模型先驗。
你說得對,分母p(X)是一團糟,但是@CAFEBABE指出,它與參數T無關,所以它在功能上是一個常數。因此,後驗分佈通常簡化爲與p(x | T)p(T)成比例的p(T | x)。
相關問題
- 1. Mysql貝葉斯和按星級評分
- 2. PHP貝葉斯分類器
- 3. 貝葉斯vs OLS
- 4. 貝葉斯網絡在Matlab
- 5. Python:樸素貝葉斯電影評論
- 6. 設計貝葉斯網絡
- 7. Matlab樸素貝葉斯
- 8. 理解貝葉斯定理
- 9. 貝葉斯網絡澄清
- 10. 貝葉斯網絡教程
- 11. 實現貝葉斯網絡
- 12. Clojure DAG(貝葉斯網絡)
- 13. 樸素貝葉斯迴歸
- 14. 實現高斯樸素貝葉斯
- 15. R或Python的分層貝葉斯
- 16. 樸素貝葉斯分類器
- 17. Python錯誤 - 貝葉斯分類器
- 18. Clojure或Scheme貝葉斯分類庫?
- 19. 聚類和貝葉斯分類器Matlab
- 20. 多個樸素貝葉斯分類器
- 21. nltk貝葉斯分類器訓練
- 22. 貝葉斯分類器教程
- 23. 大集貝葉斯網分類器
- 24. 5星貝葉斯評分回報百分比
- 25. pymc3中的貝葉斯因子
- 26. R中的經驗貝葉斯
- 27. MATLAB中的貝葉斯網絡
- 28. WEKA中的貝葉斯線性迴歸
- 29. OpenCV中的正態貝葉斯實現
- 30. MATLAB中的貝葉斯網絡錯誤
爲了澄清,這種簡化(即p(T | x)與p(x | T)p(T)成正比)就是:簡化。因此,對於實際應用來說幾乎是無用的,其中對後驗分佈的整合是最終目標。 – vin