베이즈 의 정리는 상세한 기사의 주제였다. 에세이는 좋은, 하지만 이상 15,000 단어 긴 -여기 나 같은 베이지안 이민자에 대 한 압축 된 버전: 이 블로그주셔서 감사 합니다. 나는 그것을 좋아하고 나는 개념 베이지안에 대해 이해합니다. 나는 R에서 연습 할 수 있고 나는 뭔가를 볼 수 있습니다. 여기에서 먼저 베이지안 통계의 기본을 이해합니다. 베이즈 정리는 과학적 연구에서 거짓 긍정을 얻을 가능성을 보여줄 수 있습니다. 이에 대한 심층적인 보기는 과학과 수학의 베이지안 이론에서 찾을 수 있습니다. 1770년대, 토마스 베이즈는 `베이즈 정리`를 선보였다. 수세기가 지난 후에도 `베이지안 통계`의 중요성은 사라지지 않았습니다. 사실, 오늘이 주제는 세계 최고의 대학 중 일부에서 큰 깊이에서 가르치고있다. 베이지안 통계는 θ의 다양한 값의 신뢰성(확률)을 조정했습니다. 확률 분포가 M1 i.e M2보다 높은 값으로 M2쪽으로 이동한 것이 발생할 가능성이 더 높다는 것을 쉽게 확인할 수 있습니다.
이 훌륭한 설명에 대한 Thx. 저는 통계 및 데이터 과학 초보자이며 정말 감사합니다. 당신이 다른 접근 방식을보고 관심이 있다면, 어떻게 유아의 뇌가 자연적인 방법으로 베이지안 통계를 사용하는 방법 몇 가지 이해하기 쉬운 신경 과학 과정이있다 : http://www.college-de-france.fr/site/en-stanislas-dehaene/_course.htm이 아이디어로, 나는 했습니다 베이지안 통계에 이 초보자 가이드를 만들었습니다. 나는 예제와 함께 간단한 방식으로 개념을 설명하기 위해 노력했다. 기본 확률 및 통계에 대한 사전 지식이 바람직합니다. 통계와 확률에 대한 포괄적인 낮은 값을 얻으려면 이 과정을 확인해야 합니다. 베이지안 통계는 많은 분석가의 점화 된 마음에 이해할 수없는 남아 계속. 기계 학습의 놀라운 힘에 놀란 우리 중 많은 사람들이 통계에 충실하지 않게되었습니다.
우리의 초점은 기계 학습을 탐구로 좁혀졌다. 사실이 아닌가요? 확률 문제는 놀랍고 직관적이지 않은 결과를 산출하는 것으로 악명이 높습니다. 한 가지 유명한 예 또는 한 쌍의 예는 다음과 같습니다: 베이지안 필터링을 사용하면 “테스트 결과”(특정 단어의 존재)를 감안할 때 메시지가 실제로 스팸일 가능성을 예측할 수 있습니다. 분명히 “비아그라”와 같은 단어는 일반 단어보다 스팸 메시지에 나타날 확률이 높습니다. @Roel 나는이 게시물이 더 나은 – 베이지안 또는 스태니어스트에 대한 논쟁에 관한 것이 아니라는 것에 동의합니다.