Знакомство с Байесом

Байесовский анализ данных на Python

Michal Oleszak

Machine Learning Engineer

Биномиальное распределение

Дискретное распределение, принимает одно из двух значений:
- Успех (1)
- Неудача (0)
Один параметр: вероятность успеха.
Задача: по списку исходов оценить вероятность успеха.

Биномиальное распределение в Python

Число успехов в 100 испытаниях:

import numpy as np
np.random.binomial(100, 0.5)

np.random.binomial(100, 0.5)

Выборка из биномиального распределения:

import numpy as np
np.random.binomial(1, 0.5, size=5)

array([1, 0, 0, 1, 1])

Вероятность орла

get_heads_prob() — пользовательская функция
вход: список результатов подбрасывания монеты
выход: список — распределение вероятности успеха

import numpy as np
tosses = np.random.binomial(1, 0.5, size=1000)
print(tosses)

[1 0 0 0 1 1 0 1 1 ... ]

Вероятность орла

heads_prob = get_heads_prob(tosses)
print(heads_prob)

[0.47815295 0.51679212 0.51684779 ... ]

import matplotlib.pyplot as plt
import seaborn as sns

sns.kdeplot(heads_prob, 
            shade=True, 
            label="heads probabilty")
plt.show()

Симметричная колоколообразная кривая с пиком около значения 0,51 по оси X.

Давайте потренируемся!

Байесовский анализ данных на Python