贝叶斯统计,机器学习:先验与超先验

我有一个线性回归(例如)模型 p(t|x;w) = N(t ; m , D);

作为贝叶斯主义者,我可以在参数 w 上设置一个高斯先验。然而,我意识到对于某些模型,我们可以在高斯分布上设置高斯-威沙特超先验,以使其“更”贝叶斯。这种做法正确吗?这两个模型都是有效的贝叶斯模型吗?

在我看来,我们似乎总是可以设置超先验,超超先验,……因为这仍然是一个有效的概率模型。

我想知道在先验上设置先验和在先验上设置超先验有什么区别。它们都是贝叶斯的吗?


回答:

使用超先验仍然是“有效的贝叶斯”,因为这种层次建模方式在贝叶斯模型中是自然而然的,几乎所有关于贝叶斯建模的书籍/课程都会介绍超先验的使用。

使用正态-威沙特作为高斯分布的先验(或超先验)是完全可以的。我认为,如果这样做能更准确地模拟所研究的现象,从某种意义上说,这甚至是“更贝叶斯”的做法。

当谈到使用先验和超先验的区别时,我不太明白你所说的“它们都是贝叶斯的”是什么意思。带有超先验的贝叶斯层次模型仍然是贝叶斯模型。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注