আমি প্রচলিত ঘন ঘনসংখ্যক পরিসংখ্যানীয় ডোমেনে ভবিষ্যদ্বাণীপূর্ণ মডেলগুলির বৈধতা দেওয়ার জন্য পদ্ধতি এবং সফ্টওয়্যার বিকাশে অনেক সময় ব্যয় করেছি । আরও বায়েশিয়ান ধারণাগুলি অনুশীলন এবং শিক্ষার ক্ষেত্রে রাখার সময় আমি কিছু গুরুত্বপূর্ণ পার্থক্য দেখছি race প্রথমত, বায়েশিয়ান ভবিষ্যদ্বাণীপূর্ণ মডেলিং বিশ্লেষককে প্রার্থীদের বৈশিষ্ট্যগুলির সাথে কাস্টমাইজ করা যেতে পারে এমন পূর্ববর্তী বিতরণগুলি সম্পর্কে কঠোরভাবে চিন্তা করতে বলে এবং এই প্রিরিয়াররা মডেলটিকে তাদের দিকে টেনে তুলবে (অর্থাত্, বিভিন্ন ভবিষ্যদ্বাণীমূলক বৈশিষ্ট্যগুলির জন্য বিভিন্ন পরিমাণে শাস্তি সহ সংকোচন / শাস্তি / নিয়মিতকরণ অর্জন করবে) )। দ্বিতীয়ত, "আসল" বায়েশিয়ান পদ্ধতিতে কোনও একক মডেল তৈরি হয় না তবে ভবিষ্যদ্বাণীটির জন্য একটি পুরো উত্তর বিতরণ পায়।
এই বায়েশিয়ান বৈশিষ্ট্যগুলি মাথায় রেখে, অতিমাত্রায় কী বোঝায়? আমাদের কি তা মূল্যায়ন করা উচিত? যদি তাই হয়, কিভাবে? যখন কোনও বয়েসিয়ান মডেল ক্ষেত্রের ব্যবহারের জন্য নির্ভরযোগ্য তখন আমরা কীভাবে জানব? বা আমরা যে পূর্বাভাসের জন্য বিকাশকৃত মডেলটি ব্যবহার করি তখন যেহেতু উত্তরকেন্দ্রটি সাবধানতা অবলম্বনকারী অনিশ্চয়তাগুলি পুরোপুরি বহন করবে?
যদি আমরা বায়েসিয়ান মডেলকে একক সংখ্যায়, যেমন, উত্তরকেন্দ্রিক গড় / মোড / মিডিয়ান ঝুঁকিতে ফেলে দিতে বাধ্য করি তবে কীভাবে চিন্তাভাবনা পরিবর্তন হবে?
আমি এখানে কিছু সম্পর্কিত চিন্তাভাবনা দেখছি । একটি সমান্তরাল আলোচনা এখানে পাওয়া যেতে পারে ।
ফলোআপ প্রশ্ন : আমরা যদি পুরোপুরি বয়েসিয়ান হয়ে থাকি এবং ডেটা দেখার আগে প্রিরিয়ারদের নিয়ে কিছুটা সময় ব্যয় করি এবং আমরা এমন একটি মডেল ফিট করি যেখানে ডেটা সম্ভাবনা যথাযথভাবে নির্দিষ্ট করা হত, আমরা কী অতিরিক্ত পোশাকের বিষয়ে আমাদের মডেলটির সাথে সন্তুষ্ট হতে বাধ্য? ? অথবা আমাদের ঘনঘনবাদী বিশ্বে আমরা যা করি তা করার দরকার যেখানে একটি এলোমেলোভাবে নির্বাচিত বিষয় গড়ে গড়ে ভালভাবে পূর্বাভাস দেওয়া যেতে পারে, তবে আমরা যদি এমন একটি বিষয় বেছে নিই যার খুব কম ভবিষ্যদ্বাণী রয়েছে বা যার উচ্চমানের পূর্বাভাস দেওয়া মান রয়েছে সেখানে রিগ্রেশন হবে মানে?