Statisztikai tanulás Flashcards
Bayes tanulás esetén mit nevezünk tényeknek és mi lesz a hipotézisünk?
tények - adott területet leíró valószínűségi változók konkrét megvalósulása
hipotézis - elmélet: hogyan működik a világ?
H - hipotézis változó, h1, h2, … értékek P(H) a priori eloszlással
Ismeretlen X mennyiségre vonatkozó predikció
Mi az a maximum a posteriori hipotézis és hogyan számolhatjuk?
a legvalószínűbb hipotézis alapján végezzük a predikciót
- azon hi alapján, mely maximalizálja P(hi|d)-t
- maximalizálja P(d|hi)P(hi)-t, és vele együtt log P(d|hi) + log P(hi) -t is
- utóbbi tekinthető azon bitek számának, ami kódolja a mintát az adott hipotézis esetén + kódolja a hipotézist. (1-nél kisebb számok miatt negatív mennyiség)
Mi az a maximum likelihood hipotézis és hogyan számolhatjuk?
feltétel: egyenletes P(H) a priori eloszlás
MAP speciális esete
Mutassa be a naiv-Bayes modell működésének alapját!
A naiv-Bayes modell egy valószínőségi osztályozó algoritmus, amely a Bayes-tételt alkalmazza. Feltételezi, hogy a bemeneti változók függetlenek egymástól. Az algoritmus lépései: adatgyűjtés, tanítás és osztályozás.
