谁是贝叶斯？什么是贝叶斯？

Python 中的贝叶斯数据分析

Michal Oleszak

Machine Learning Engineer

谁是贝叶斯？

¹ Public Domain, https://commons.wikimedia.org/w/index.php?curid=14532025

要带伞吗？

什么是贝叶斯？

• 贝叶斯推断是在有新信息时更新对事物的信念。

什么是贝叶斯？

• 贝叶斯推断是在有新信息时更新对事物的信念。

• 它与经典方法有很大不同。

 

 

	频率学派（经典）方法	贝叶斯方法
概率
参数

什么是贝叶斯？

• 贝叶斯推断是在有新信息时更新对事物的信念。

• 它与经典方法有很大不同。

 

 

	频率学派（经典）方法	贝叶斯方法
概率	结果比例	信念程度
参数

什么是贝叶斯？

• 贝叶斯推断是在有新信息时更新对事物的信念。

• 它与经典方法有很大不同。

 

 

	频率学派（经典）方法	贝叶斯方法
概率	结果比例	信念程度
参数	固定值	随机变量

选择贝叶斯的理由

• 自然处理不确定性（因参数有分布）。
• 可将专家意见或领域知识纳入模型（因概率表示信念程度）。
• 无需依赖如 p 值等固定常数。
• 少量数据亦能得到统计上正确的结果。
• 常与频率学派结果一致，但更灵活，便于自定义模型。

概率分布

• 随机变量的分布说明其可能取值及对应概率。
• 可为离散（有限取值）或连续（无限取值）。
• 连续分布可用密度图可视化。

Python 中的分布

print(draws)

[146.58686154393, 159.40688614250, ..., ]

 

print(len(draws))

10000

import matplotlib.pyplot as plt
import seaborn as sns
sns.kdeplot(draws, shade=True)
plt.show()

让我们用贝叶斯！

Python 中的贝叶斯数据分析