Що ви вивчили? Що ми пропустили?

Основи байєсівського аналізу даних у R

Rasmus Bååth

Data Scientist

Ми розглянули

Основи байєсівського аналізу даних у R

Ми розглянули

Основи байєсівського аналізу даних у R

Ми розглянули

Основи байєсівського аналізу даних у R

Ми розглянули

Основи байєсівського аналізу даних у R

Ми розглянули

  • Обчислювальні методи
    • Відбір із відкиданням
    • Грід-апроксимація
    • Markov chain Monte Carlo (MCMC)
Основи байєсівського аналізу даних у R

Ми розглянули

  • Генеративні моделі:

Основи байєсівського аналізу даних у R
  • Роботу з вибірками, що представляють розподіли ймовірностей:
> head(sample)
mu    sigma
39.39 10.18
39.39 21.77
40.90 20.26
45.45 13.20
34.84 12.70
40.90 12.70
pred_iq <- rnorm(10000, mean = sample$mu, sd = sample$sigma)
sum(pred_iq >= 60) / length(pred_iq)
0.0901
Основи байєсівського аналізу даних у R

Що ми не розглянули

  • Байєсівський підхід застосовний значно ширше, ніж прості моделі.
  • Як обирати апріорі та моделі.
  • Як байєсівська статистика пов'язана з класичною.
  • Більш просунуті обчислювальні методи.
  • Більш просунуті обчислювальні інструменти.
Основи байєсівського аналізу даних у R

Що ми не розглянули

Основи байєсівського аналізу даних у R

Досліджуйте Байєса!

Основи байєсівського аналізу даних у R

До зустрічі і дякуємо!

Основи байєсівського аналізу даних у R

Давайте потренуємось!

Основи байєсівського аналізу даних у R

Preparing Video For Download...