রবি ম্যাককিলিয়ামের মন্তব্যে শ্রদ্ধার সাথে: আমি মনে করি যে একটি পূর্ববর্তী জ্ঞানকে একটি মডেলটিতে অন্তর্ভুক্ত করার দক্ষতার সাথে এতটা নয়, "পূর্ববর্তী জ্ঞান" সংজ্ঞাটিতে এই ঘনঘটিত একজন ঘন ঘন বিশেষজ্ঞের যে অসুবিধা হবে। উদাহরণস্বরূপ, প্রদত্ত মুদ্রাটি যে শীর্ষে আসবে তার সম্ভাবনা অনুমান করার বিষয়ে বিবেচনা করুন। Let us অনুমান আমার পূর্বে জ্ঞান ছিল, মূলত, একটি পরীক্ষা যা যে মুদ্রা 10 বার ফ্লিপ করা হয়েছে এবং 5 কর্তাদের, অথবা সম্ভবত, ফর্ম এর "কারখানা 1 মিলিয়ন কয়েন তৈরি এবং এর dist'n নিয়ে এসেছেন , যেমন বিশাল পরীক্ষাগুলি দ্বারা নির্ধারিত হয় β ( ক , খ )pβ(a,b)"। সত্যই এই ধরণের পূর্বের তথ্য উপস্থিত থাকাকালীন প্রত্যেকে বায়েসের বিধি ব্যবহার করে (বায়েসের বিধিটি কেবল শর্তযুক্ত সম্ভাবনার সংজ্ঞা দেয়, এটি কোনও বায়েশিয়ান-একমাত্র জিনিস নয়) তাই বাস্তব জীবনে ঘনত্ববাদী এবং বায়েশিয়ান একই পদ্ধতি ব্যবহার করবে এবং বায়েসের নিয়মের মাধ্যমে মডেলটিতে তথ্যটি অন্তর্ভুক্ত করুন ((ক্যাভ্যাট: যদি না আপনার নমুনার আকারটি যথেষ্ট পরিমাণে বড় না হয় তবে আপনি নিশ্চিত হন যে পূর্ববর্তী তথ্যের ফলাফলগুলির উপর কোনও প্রভাব পড়বে না)) তবে, ফলাফলগুলির ব্যাখ্যাটি হ'ল, অবশ্যই, ভিন্ন।
অসুবিধা দেখা দেয়, বিশেষত দার্শনিক দৃষ্টিকোণ থেকে, কারণ জ্ঞানটি কম উদ্দেশ্য / পরীক্ষামূলক এবং আরও বিষয়গত হয়। যেমনটি ঘটে, ঘন ঘনবাদী সম্ভবত এই তথ্যটি মডেলটিতে অন্তর্ভুক্ত করার জন্য কম ঝোঁক হয়ে উঠবে, যদিও বায়েশিয়ানদের এখনও এমন কিছু করার জন্য আরও কম বা কিছু প্রথাগত ব্যবস্থা আছে, তবে এর আগেও বিষয়বস্তু নির্বাচন করতে অসুবিধা হবে।
নিয়মিতকরণের ক্ষেত্রে: সম্ভাবনা এবং একটি পূর্ববর্তী প ( θ ) বিবেচনা করুন । লগ পি ( θ ) দ্বারা সর্বাধিক সম্ভাবনা অনুমান "নিয়মিত" ব্যবহার করা থেকে অন্তত প্রযুক্তিগতভাবে নয়, কোনও আটকানোর কিছুই নেই :l(θ;x)p(θ)logp(θ)
θ~=maxθ{logl(θ;x)+logp(θ)}
p(θ)θθ~
আবার দার্শনিক দৃষ্টিকোণ থেকে অসুবিধা দেখা দেয়। কেন একজনের নিয়মিতকরণের কাজটিকে অন্যের চেয়ে বেশি বেছে নিন? একজন বায়েশিয়ান এটি করতে পারে - পূর্বের তথ্যের মূল্যায়ন করে পূর্ব-ভিত্তিক দৃশ্যে স্থানান্তরিত। যুগোপযোগী ব্যক্তির পক্ষে সেই কারণগুলির মধ্যে একটি পছন্দকে ন্যায়সঙ্গত করার জন্য একটি কঠিন সময় (অক্ষম?) তবে তার পরিবর্তে সম্ভবত নিয়মিতকরণ কার্যকারণের বৈশিষ্ট্যগুলির ভিত্তিতে তার / তার ধরণের সমস্যার ক্ষেত্রে প্রয়োগ করা হবে, যেমনটি যৌথ থেকে শেখা হয়েছিল অনেক পরিসংখ্যানবিদদের কাজ / অভিজ্ঞতা। ওটো, (বাস্তববাদী) বায়েশিয়ানরা প্রিয়ারদের সাথেও তা করে - আমি যদি ভেরিয়েন্সের জন্য প্রিয়ারের প্রতিটি কাগজের জন্য 100 ডলার করে থাকি ...
অন্যান্য "চিন্তাভাবনা": আমি ঘনত্ববাদী / বায়েশিয়ান দৃষ্টিভঙ্গির দ্বারা এটি প্রভাবিত না করে ধরে নিয়ে সম্ভাবনা ফাংশনটি নির্বাচন করার পুরো বিষয়টি এড়িয়ে গিয়েছি। আমি নিশ্চিত যে এটি বেশিরভাগ ক্ষেত্রেই হয় তবে আমি ধারণা করতে পারি যে অস্বাভাবিক পরিস্থিতিতে এটি গণনাগত কারণে হবে eg
θθ