Bernoulli -Versuche, Bayesianische Einstellung verstehen

Question

Ich muss ein Projekt für ML -Anwendungen abschließen. Ich denke, es gibt viele Statistiken in ML, die für einen Nicht-Mathemen-Hintergrund nicht hilfreich sind.

Ich werde von Notationen zu sehr festgefahren. Es gibt zu viele Notationen.

Ich versuche darüber zu lesen, was Bernoulli -Versuche sind, und ich kann mich nicht darauf beziehen.

Was ist eine Bayes'sche Umgebung und warum ist überall Bayesian -Ding? Was macht es so eine allmächtige Verteilung?

Gibt es Theoreme/Theorien, die ich wissen muss? Irgendwelche Buch-/Notizen/Ressourcen, in denen ich diese Dinge auf relatable Weise kennenlernen könnte (ich habe sehr wenig Mathematikhintergrund, aber ich kann lernen)?

Answer 1

Was ist eine Bayes'sche Umgebung und warum ist überall Bayesian -Ding?

In sehr einfachen Worten:

Bayesian ist eine statistische Umgebung, in der die Wahrscheinlichkeit eines Ereignisses (sogenannt als hinterer) von den vorherigen Versuchen oder Beobachtungen (als vorherige (n)) abhängt.

Bayesian Networks ist eine Erweiterung der oben genannten, die eine Kette oder ein Netzwerk der Inferenz bildet.

Gibt es Theoreme/Theorien, die ich wissen muss?

Um das Bayes'sche Paradigma zu verstehen, müssen Sie den Bayes'schen Theorem/die Beziehung kennen, das im Grunde genommen ist:

$$ p ( theta | d) = dfrac {p (d | theta) p ( theta)} {p (d)}. $$

Irgendwelche Buch-/Notizen/Ressourcen, in denen ich diese Dinge auf relatable Weise kennenlernen könnte (ich habe sehr wenig Mathematikhintergrund, aber ich kann lernen)?

Ich würde sehr empfehlen "Bayes'sche Analyse" von John Krushke