Jun, 2010
哲学与贝叶斯统计实践
Philosophy and the practice of Bayesian statistics
Andrew Gelman, Cosma Rohilla Shalizi
TL;DR文中探讨了贝叶斯统计学派的方法,阐述了先验分布在贝叶斯模型中的实际作用以及超验演绎法的重要性,发现最成功的贝叶斯统计学派形式并不支持归纳推理,从而认为贝叶斯统计学派比超验演绎法更加成熟和复杂。
Abstract
A substantial school in the philosophy of science identifies Bayesian
inference with inductive inference and even rationality as such, and seems to
be strengthened by the rise and practical success of
发现论文,激发创造
贝叶斯统计中的漏洞
Bayesian data analysis has several issues, including problems with conditional probability, weak and subjective priors, incorrect model selection, and conflicts between Bayesian logic and workflow, which should be used to reveal misfits and incoherences.
Feb, 2020
贝叶斯认知方法提高数据可视化
利用贝叶斯认知模型在数据可视化中理解用户对先前信念的影响,研究发现大型数据集下用户的判断与贝叶斯预测不一致,为此介绍了贝叶斯推理作为数据可视化评估的规范框架。
Jan, 2019
一种贝叶斯机器科学家用于帮助解决复杂科学问题的方法
引入了一种贝叶斯机器科学家,它使用对模型的后验分布的明确逼近来确定模型的合理性,并通过从数学表达式的大量经验语料库中进行学习来确定模型的先验期望。该方法可以自动从数据中提取精确的模型,并且在合成数据和真实数据上提供比现有方法和其他非参数方法更准确的外样本预测。
Apr, 2020
归纳推理的一般非概率理论
通过定义和说明,本文提出了一种新的解决方案来代表非概率性信念状态,并将其与概率理论进行比较,发现新理论在结构上类似于概率理论,但更容易实现,并且在某些方面更为简单。
Mar, 2013
Harold Jeffreys 概率论理论重访
Jeffreys 的概率论是 Bayes 统计领域的经典之作和客观 Bayes 学派的先驱,其中详尽的论证了非信息先验的构建和 Bayes 因子的扩展对该领域产生了持久的影响。本文旨在帮助读者在这篇难以理解的文章中找到当今仍然有意义的段落。
Apr, 2008