贝叶斯估计使用概率作为信息的确信程度,认为数据集是直接可以观测的,所以不是随机的。而真实的参数是不确定的所以被表示成随机变量。
在观测数据之前,使用先验概率分布表示的信息。先验概率的选择是很宽泛的。
使用贝叶斯公式计算样本对参数的影响:
先验概率一般选择高斯分布或均匀分布都拥有很高的熵,通过观测的数据降低熵,并且集中选择参数最可能的值。且贝叶斯估计是基于的全分布来估计。例如观测过m个样本,第m+1个样本的预测是:
Bayesian Statistics贝叶斯估计
最新推荐文章于 2021-08-23 22:58:04 发布
贝叶斯估计通过概率表达信息的确信程度,将真实参数视为随机变量。先验概率通常采用高斯或均匀分布,观测数据会降低熵并聚焦最可能的参数值。在贝叶斯线性回归中,先验是高斯分布,通过样本观测更新为后验分布,继续预测新样本。
摘要由CSDN通过智能技术生成