베이즈 정리 예제

PyMC에는 실행할 종속성, 즉 NumPy 및 (선택적으로) SciPy가 있습니다. 사용자를 제한하지 않기 위해 이 설명서의 예제는 PyMC, NumPy, SciPy 및 Matplotlib에만 의존합니다. 베이즈 의 정리는 상세한 기사의 주제였다. 에세이는 좋지만 15,000 단어 이상 – 나 같은 베이지안 이민자를위한 압축 된 버전입니다 : 인지 과학자가 “합리적”을 의미하는 데 사용하는 비밀 기술 코드 워드. 베이지안 확률 이론은 에피소드 합리성의 수학, 베이지안 결정 이론은 도구 합리성의 수학이다. 바로 거기 덜 잘못에 절대적으로 기본적인 개념으로 인지 편견. 조명이 켜져 있으면 곡선이 오른쪽으로 이동하여 지정된 시간에 잠들어 있을 확률이 낮아집니다. 마찬가지로 조명이 꺼지면 곡선이 왼쪽으로 이동합니다. 통계적 개념을 개념적으로 이해하기는 어려울 수 있지만 이 그림은 베이즈 규칙을 사용하는 이유를 정확하게 보여줍니다. 우리가 세상에 대해 덜 잘못되고 싶다면, 추가 정보는 우리의 믿음을 변경해야하며, 베이지안 추론은 체계적인 방법을 사용하여 우리의 추정을 업데이트합니다.

실제 학습은 개념을 문제로 변환할 때 옵니다. 우리는 이런 식으로 새로운 기술을 배울 수 있지만, 우리는 또한 꽤 멋진 프로젝트를 할 수 있습니다! 데이터 과학의 성공은 지속적으로 학습하고, 기술 집합에 새로운 기술을 추가하고, 다양한 작업에 가장 적합한 방법을 파악하는 것입니다. 여기에서 우리는 베이지안 추론이 어떻게 우리의 믿음을 업데이트하여 현실을 더 잘 모델링하기 위해 새로운 증거를 설명할 수 있는지 를 보여주었습니다. 우리는 더 많은 증거를 수집함에 따라 예측을 지속적으로 조정해야 하며, Bayes의 방정식은 적절한 프레임워크를 제공합니다. sklearn Naive Bayes의 설명서 (여기)는 용도와 매개 변수를 명료하게 설명합니다. 학습 입력/출력 쌍이 이미 있으므로 베이즈 모델을 지정해야 합니다. 우리는 “PlayTennis”라는 제목의 마지막 열을 예측하는 모델을 구축하기 위해 노력할 것입니다. 이를 위해 “Outlook”, “온도”, “습도” 및 “바람”을 예측 변수(의사 결정에 사용할 변수)로 사용합니다.

범주형이므로 베이즈 모델을 만드는 순간 해당 변수에 대해 가능한 각 기호 수를 지정해야 합니다. 베이지안 추론이 대상인 경우 수학적 분석은 이를 향한 특정 경로입니다. 반면에 컴퓨팅 파워는 확률적 프로그래밍을 통해 대체 경로를 취할 수 있을 만큼 저렴합니다. 후자의 경로는 각 단계에서 수학적 개입의 필요성을 부인하기 때문에 훨씬 더 유용합니다, 즉, 우리는 베이지안 추론의 전제 조건으로 종종 난치성 수학적 분석을 제거합니다. 간단히 말해서, 이 후자의 계산 경로는 처음부터 끝까지 작은 중간 점프를 통해 진행됩니다. 또한, 강력한 수학적 배경이 없으면 첫 번째 경로에 필요한 분석도 수행 할 수 없습니다. 프레임 워크의 다른 모든 학습 알고리즘과 마찬가지로, 아래 예제와 같이 교차 유효성 검사를 사용하여 Naive Bayes 알고리즘의 성능을 더 잘 측정 할 수도 있습니다. 2 배.

Mentalny Teatr Hipnozy > 베이즈 정리 예제