Sep, 2017
贝叶斯工作流中的可视化
Visualization in Bayesian workflow
Jonah Gabry, Daniel Simpson, Aki Vehtari, Michael Betancourt, Andrew Gelman
TL;DR贝叶斯数据分析是一个包含模型构建、推断、检验、评价和扩展的迭代过程,可利用贝叶斯可视化技术在诸多阶段中提供帮助并且不可或缺,尤其是在从所使用的现代高维模型中进行推断时。
Abstract
bayesian data analysis is about more than just computing a posterior
distribution, and bayesian visualization is about more than trace plots of
Markov chains. Practical →
发现论文,激发创造
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
机器学习模型分析的改进:可视化分析的视角
本研究论文系统地总结了交互模型分析的三大类任务:理解、诊断和改进,旨在帮助用户高效解决实际的人工智能和数据挖掘问题,同时探讨了相关未来研究机会。
Feb, 2017
机器学习与贝叶斯计算的未来
概述:本文使用贝叶斯模型解决了复杂数据的建模问题,提出了通过机器学习的方法来改善后验计算的潜力,并探讨了正则化流、贝叶斯核平衡、分布式贝叶斯推理和变分推理等未来的具体发展方向。
Apr, 2023
构建贝叶斯信念网络的实际问题
本研究介绍了利用贝叶斯信念网络和影响图构建概率表示模型的过程,并探讨了一些通用技术,如‘噪声 OR 门’概念,以帮助建立和量化不确定关系,并对 Bayes 网络的通用元素进行了敏感性分析,从而获得对概率评估足够粗糙时和需要更高精度时的见解。
Mar, 2013
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
哲学与贝叶斯统计实践
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。
Jun, 2010