বংশগতিমূলক বায়েশিয়ান মডেল বনাম অনুপ্রেরণামূলক বায়েস

Question

আপনি কি এইচবিএম বনাম ইবিকে দুটি বিকল্প হিসাবে বিবেচনা করবেন যেখানে হাইপারপ্যারামিটারগুলি "গেমের" নমুনা / আনুমানিক / ইত্যাদি হচ্ছে? " এই দুজনের মধ্যে স্পষ্টভাবে একটি সংযোগ রয়েছে।

আপনি কি এইচবিএমকে EB এর চেয়ে আরও "সম্পূর্ণ বায়েশিয়ান" বিবেচনা করবেন? এমন কোনও জায়গা আছে যেখানে আমি দেখতে পাচ্ছি "সম্পূর্ণ বায়েশিয়ান" এবং অন্যান্য বিকল্পের মধ্যে পার্থক্যগুলি কী?

ধন্যবাদ।

Comments

"সম্পূর্ণ বায়েশিয়ান" এবং "এম্পিরিকাল বেয়েস" এর অর্থ কী তা নিয়ে আলোচনার জন্য "" ফুল বাইয়েশিয়ান "বনাম" বায়েশিয়ান "" এর উত্তরগুলি দেখুন ।

ধন্যবাদ প্রিলিনেটর আমি যদি এখনও সম্ভব হয় শ্রেণিবদ্ধ বায়েশিয়ান মডেলগুলির সাথে সম্পর্ক সম্পর্কে একটি প্রতিক্রিয়া শুনতে চাই।

— singelton

আপনি উইকিপিডিয়া এন্ট্রি এম্পিরিকাল বেয়েস পদ্ধতিতে এটি পেতে পারেন : "বংশগতভাবে বায়সকে একটি বংশোদ্ভূত মডেলটির সম্পূর্ণ বেইসিয়ান চিকিত্সার সান্নিধ্য হিসাবে দেখা যেতে পারে যেখানে স্তরক্রমের সর্বোচ্চ স্তরের পরামিতিগুলি তাদের সম্ভাব্য মানগুলির পরিবর্তে সেট করা হয়, একীভূত হচ্ছে "।

Answer 1

আমি বলব যে এইচবিএম অবশ্যই ইবি-র তুলনায় "বেশি বায়েশিয়ান", কারণ প্রান্তিককরণ অনুকূলকরণের চেয়ে বায়েশিয়ান পদ্ধতির বেশি। মূলত এটি আমার কাছে মনে হয় যে হাইপার-প্যারামিটারগুলিতে ইবি অনিশ্চয়তা উপেক্ষা করে, যেখানে এইচবিএম এটি বিশ্লেষণে অন্তর্ভুক্ত করার চেষ্টা করে। আমার সন্দেহ হয় এইচএমবি হ'ল একটি ভাল ধারণা যেখানে খুব কম ডেটা থাকে এবং তাই হাইপার-প্যারামিটারগুলিতে উল্লেখযোগ্য অনিশ্চয়তা, যার জন্য অবশ্যই এটির হিসাব করতে হবে। অন্যদিকে বড় ডেটাসেটগুলির জন্য ইবি আরও আকর্ষণীয় হয়ে ওঠে কারণ এটি সাধারণত কম কম্পিউটেশনাল ব্যয়বহুল হয় এবং ডেটার ভলিউমের প্রায়শই অর্থ হয় হাইপার-প্যারামিটার সেটিংসে ফলাফলগুলি খুব কম সংবেদনশীল হয়।

আমি গাউসির প্রক্রিয়া শ্রেণিবদ্ধে কাজ করেছি এবং প্রায়শই হাইপার-প্যারামিটারগুলিকে অনুকূল করে তোলাম যাতে প্রান্তিক সম্ভাবনা এমএল-কে আরও বেশি ফিট করে এবং তাই সাধারণীকরণের কার্যক্ষমতাতে উল্লেখযোগ্য অবনতি ঘটে। আমি সন্দেহ করি যে এই ক্ষেত্রে, একটি সম্পূর্ণ এইচবিএম চিকিত্সা আরও নির্ভরযোগ্য হবে, তবে এটি আরও বেশি ব্যয়বহুল।

Comments

EB- এর জন্য +1 হাইপার-প্যারামিটারগুলির অনিশ্চয়তা উপেক্ষা করে । এছাড়াও, Bayesian মৌলবাদীরা, EB বিবেচনা বিরোধী Bayesian কারণ আনুমানিক হিসাব পূর্বে জন্য তথ্য ব্যবহার করে ধর্মহীন ।

স্পষ্টতই আমি তখন কোনও ফান্ডি বায়েশিয়ান নই! এইচবিএম আমার কাছে সঠিক কাজটি করার মতো বলে মনে হয়েছে, তবে এটি আসলে কম্পিউটারের পক্ষে সম্ভবপর হয়, দিনের শেষে আপনার কোনও ডিগ্রির প্রতি ব্যবহারিক হওয়া প্রয়োজন (সবচেয়ে বড় কম্পিউটারের কেনার পরে; ও)।

— ডিকরান মার্সুপিয়াল