Bayes学习 – MAP假设

假设我有一组互斥的假设H = {h1, h2}。它们的先验分布为P(h1) = 0.2 和 P(h3) = 0.3。假设我们还知道

P(Y=0 | h1) = 0.2P(Y=0 | h2) = 0.4

其中Y是一个属性(目标),可以取两个值{1,0}。最后,假设你观察到事件Y = 0。

哪个是MAP(最大后验)假设?

  • MAP是h1
  • MAP是h2
  • 没有足够的元素来找到MAP
  • MAP h1 = MAP h2
  • 以上所有可能答案都不对

回答:

这样的问题应该在math.stackexchange.com或stats.stackexchange.com上提问(现在可能已经迁移)。

你的问题是贝叶斯定理的基本应用

              P(Y=0|h1)P(h1)    0.2*0.2    0.04P(h1|Y=0) =   -------------   = ------- = ------                  P(Y=0)         P(Y=0)   P(Y=0)              P(Y=0|h2)P(h2)    0.3*0.4    0.12P(h2|Y=0) =   --------------  = ------- = ------                  P(Y=0)         P(Y=0)   P(Y=0)

因此,h2是更可能的假设,因为P(Y=0)>0

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