《贝叶斯方法:概率编程与贝叶斯推断》——第1章 贝叶斯推断的哲学 1.1 引言

第1章 贝叶斯推断的哲学

贝叶斯方法:概率编程与贝叶斯推断

1.1 引言

尽管你已是一个编程老手,但bug仍有可能在代码中存在。于是,在实现了一段特别难的算法之后,你决定先来一个简单的测试用例。这个用例通过了。接着你用了一个稍微复杂的测试用例。再次通过了。接下来更难的测试用例也通过了。这时,你开始觉得也许这段代码已经没有bug了。

如果你这样想,那么恭喜你:你已经在用贝叶斯的方式思考!简单地说,贝叶斯推断是通过新得到的证据不断地更新你的信念。贝叶斯推断很少会做出绝对的判断,但可以做出非常可信的判断。在上面的例子中,我们永远无法100%肯定我们的代码是无缺陷的,除非我们测试每一种可能出现的情形,这在实践中几乎不可能。但是,我们可以对代码进行大量的测试,如果每一次测试都通过了,我们更有把握觉得这段代码是没问题的。贝叶斯推断的工作方式就在这里:我们会随着新的证据不断更新之前的信念,但很少做出绝对的判断,除非所有其他的可能都被一一排除。

时间: 2024-11-05 17:20:57

《贝叶斯方法:概率编程与贝叶斯推断》——第1章 贝叶斯推断的哲学 1.1 引言的相关文章

《贝叶斯方法:概率编程与贝叶斯推断》——导读

前言 贝叶斯方法:概率编程与贝叶斯推断 贝叶斯方法是一种常用的推断方法,然而对读者来说它通常隐藏在乏味的数学分析章节背后.关于贝叶斯推断的书通常包含两到三章关于概率论的内容,然后才会阐述什么是贝叶斯推断.不幸的是,由于大多数贝叶斯模型在数学上难以处理,这些书只会为读者展示简单.人造的例子.这会导致贝叶斯推断给读者留下"那又如何?"的印象.实际上,这曾是我自己的先验观点. 最近贝叶斯方法在一些机器学习竞赛上取得了成功,让我决定再次研究这一主题.然而即便以我的数学功底,我也花了整整3天时间

《贝叶斯方法:概率编程与贝叶斯推断》——1.4 使用计算机执行贝叶斯推断

1.4 使用计算机执行贝叶斯推断 接下来模拟一个有趣的实例,它是一个有关用户发送和收到短信的例子. 1.4.1 实例:从短信数据推断行为 你得到了系统中一个用户每天的短信条数数据,如图1.4.1中所示.你很好奇这个用户的短信使用行为是否随着时间有所改变,不管是循序渐进地还是突然地变化.怎么模拟呢?(这实际上是我自己的短信数据.尽情地判断我的受欢迎程度吧.) figsize(12.5, 3.5) count_data = np.loadtxt("data/txtdata.csv") n_

《贝叶斯方法:概率编程与贝叶斯推断》一第1章 贝叶斯推断的哲学1.1 引言

第1章 贝叶斯推断的哲学 贝叶斯方法:概率编程与贝叶斯推断 1.1 引言 尽管你已是一个编程老手,但bug仍有可能在代码中存在.于是,在实现了一段特别难的算法之后,你决定先来一个简单的测试用例.这个用例通过了.接着你用了一个稍微复杂的测试用例.再次通过了.接下来更难的测试用例也通过了.这时,你开始觉得也许这段代码已经没有bug了. 如果你这样想,那么恭喜你:你已经在用贝叶斯的方式思考!简单地说,贝叶斯推断是通过新得到的证据不断地更新你的信念.贝叶斯推断很少会做出绝对的判断,但可以做出非常可信的判

《贝叶斯方法:概率编程与贝叶斯推断》一1.4 使用计算机执行贝叶斯推断

1.4 使用计算机执行贝叶斯推断 接下来模拟一个有趣的实例,它是一个有关用户发送和收到短信的例子. 1.4.1 实例:从短信数据推断行为 你得到了系统中一个用户每天的短信条数数据,如图1.4.1中所示.你很好奇这个用户的短信使用行为是否随着时间有所改变,不管是循序渐进地还是突然地变化.怎么模拟呢?(这实际上是我自己的短信数据.尽情地判断我的受欢迎程度吧.) figsize(12.5, 3.5) count_data = np.loadtxt("data/txtdata.csv") n_

《贝叶斯方法:概率编程与贝叶斯推断》——1.5结论

1.5结论 这一章介绍了频率派和贝叶斯派对概率的解释的差别.同时我们也学到了两个重要的分布:Poisson分布和指数分布.这是今后我们构建更多贝叶斯模型的两块重要基石,就像我们在短信接收例子中所做的那样.在第2章中,我们会探讨更多的建模和PyMC策略.

《贝叶斯方法:概率编程与贝叶斯推断》一1.5结论

1.5结论 这一章介绍了频率派和贝叶斯派对概率的解释的差别.同时我们也学到了两个重要的分布:Poisson分布和指数分布.这是今后我们构建更多贝叶斯模型的两块重要基石,就像我们在短信接收例子中所做的那样.在第2章中,我们会探讨更多的建模和PyMC策略.

数学之美:平凡又神奇的贝叶斯方法

◆ ◆ ◆ 前言 这是一篇关于贝叶斯方法的科普文,我会尽量少用公式,多用平白的语言叙述,多举实际例子.更严格的公式和计算我会在相应的地方注明参考资料.贝叶斯方法被证明是非常 general 且强大的推理框架,文中你会看到很多有趣的应用. ◆ ◆ ◆ 1.历史 托马斯·贝叶斯(Thomas Bayes)同学的详细生平在这里.以下摘一段 wikipedia 上的简介: 所谓的贝叶斯方法源于他生前为解决一个"逆概"问题写的一篇文章,而这篇文章是在他死后才由他的一位朋友发表出来的.在贝叶斯写这

《树莓派开发实战(第2版)》——1.1 什么是概率编程

1.1 什么是概率编程 概率编程是一种系统创建方法,它所创建的系统能够帮助我们在面对不确定性时做出决策.许多日常决策涉及在确定无法直接观测的相关因素时的判断能力.历史上,帮助在不确定性下做出决策的方法之一是使用概率推理系统.概率推理将我们对某种情况的认识和概率法则结合起来,确定无法观测的决策关键因素.直到最近,概率推理系统的范围仍然有限,难以应用到许多现实情况中.概率编程是一种新方法,它使概率推理系统更容易构建,适用范围更广. 要理解概率编程,首先要观察不确定性条件下的决策过程和涉及的主观判断.

《树莓派开发实战(第2版)》——1.2 为什么使用概率编程

1.2 为什么使用概率编程 概率推理是机器学习的基础技术之一.Google.Amazon和Microsoft等公司使用它理解可用数据.概率推理已经用于各种各样的应用程序,如预测股价.推荐电影.诊断计算机和检测网络入侵.许多应用都使用了本书中将要学习的技术. 前一小节中,有两个引人注目的要点. 概率推理可用于预测未来.推断过去,以及从过去的事实中学习更好地预测未来. 概率编程是使用图灵完备编程语言作为表示语言的概率推理. 将上面两个要点结合起来,可以得到如下表示. 事实:概率推理+图灵完备=概率编