ฉันจะตอบคำถามของคุณตามลำดับ:
คำถามคือใครคือชาวเบย์ในปัจจุบัน?
ใครก็ตามที่ทำการวิเคราะห์ข้อมูลแบบเบย์และระบุตนเองว่าเป็น "Bayesian" เช่นเดียวกับโปรแกรมเมอร์คือคนที่โปรแกรมและระบุตัวเองว่าเป็น "โปรแกรมเมอร์" ข้อแตกต่างเล็กน้อยคือเหตุผลทางประวัติศาสตร์Bayesianมีนัยยะเชิงอุดมการณ์เนื่องจากการถกเถียงกันบ่อยครั้งระหว่างผู้สนับสนุนการตีความ "บ่อยครั้ง" ของความน่าจะเป็นและผู้เสนอการตีความความน่าจะเป็น "Bayesian"
พวกเขามีสถาบันการศึกษาบางแห่งที่คุณรู้ว่าถ้าคุณไปที่นั่นคุณจะกลายเป็นเบย์หรือไม่?
ไม่เหมือนส่วนอื่น ๆ ของสถิติคุณแค่ต้องการหนังสือที่ดี (และอาจเป็นครูที่ดี)
ถ้าเป็นเช่นนั้นพวกเขาต้องการเป็นพิเศษหรือไม่?
การวิเคราะห์ข้อมูลแบบเบย์เป็นเครื่องมือที่มีประโยชน์มากเมื่อทำการสร้างแบบจำลองทางสถิติซึ่งฉันคิดว่าเป็นทักษะที่เป็นที่ต้องการอย่างมาก (แม้ว่า บริษัท อาจจะไม่ได้มองหา
เราหมายถึงนักสถิติและนักคณิตศาสตร์ที่ได้รับการเคารพเพียงไม่กี่คนและหากเป็นเช่นนั้น
มีนักสถิติที่เคารพนับถือหลายคนที่ฉันเชื่อว่าจะเรียกตัวเองว่าเป็นชาวเบย์แต่ก็ไม่ใช่พวกเบย์
พวกมันมีอยู่จริงหรือเปล่าเช่น "Bayesians" บริสุทธิ์เหล่านี้หรือไม่?
มันเหมือนกับการถามว่า "โปรแกรมเมอร์บริสุทธิ์เหล่านี้มีอยู่จริงไหม"? มีบทความที่น่าขบขันที่เรียกว่า46656 พันธุ์ของ Bayesiansและแน่นอนว่ามีข้อโต้แย้งที่ดีในหมู่ "Bayesians" เกี่ยวกับปัญหาพื้นฐานหลายประการ เช่นเดียวกับโปรแกรมเมอร์สามารถโต้เถียงข้อดีของเทคนิคการเขียนโปรแกรมที่แตกต่างกัน (BTW โปรแกรมโปรแกรมเมอร์ที่บริสุทธิ์ใน Haskell)
พวกเขาจะยอมรับฉลากอย่างมีความสุขหรือไม่?
บางคนทำบางคนทำไม่ได้ เมื่อฉันค้นพบการวิเคราะห์ข้อมูลแบบเบย์ฉันคิดว่ามันดีที่สุดตั้งแต่ขนมปังหั่นบาง ๆ (ฉันยังทำอยู่) และฉันดีใจที่เรียกตัวเองว่า "Bayesian" (อย่างน้อยก็จะทำให้คนที่มีค่า p ในแผนกของฉันระคายเคือง) ทุกวันนี้ฉันไม่ชอบคำนี้ฉันคิดว่ามันอาจทำให้คนแปลกหน้าเพราะมันทำให้การวิเคราะห์ข้อมูลแบบเบย์ดูเหมือนลัทธิบางประเภทซึ่งไม่ได้เป็นมากกว่าวิธีที่มีประโยชน์ที่จะมีในกล่องเครื่องมือสถิติของคุณ
มันเป็นความแตกต่างที่ประจบเสมอ?
Nope! เท่าที่ฉันรู้คำว่า "Bayesian" ถูกนำเสนอโดยนักสถิติที่มีชื่อเสียงชาวประมงเป็นคำที่เสื่อมเสีย ก่อนหน้านั้นมันถูกเรียกว่า "ความน่าจะเป็นกลับตัว" หรือ "ความน่าจะเป็น"
พวกเขาเป็นนักคณิตศาสตร์ที่มีสไลด์แปลก ๆ ในการประชุมปราศจากค่า p ใด ๆ และช่วงความเชื่อมั่นหรือไม่
มีการประชุมในสถิติแบบเบย์และฉันไม่คิดว่าพวกเขาจะรวมค่า p ไว้มากมาย ไม่ว่าคุณจะพบสไลด์ที่แปลกประหลาดจะขึ้นอยู่กับพื้นหลังของคุณ ...
มีโพรงจำนวนเท่าใดที่เป็น "Bayesian" เราหมายถึงนักสถิติส่วนน้อยหรือไม่?
ฉันยังคงคิดว่านักสถิติส่วนน้อยจัดการกับสถิติแบบเบย์ แต่ฉันก็คิดว่าสัดส่วนกำลังเพิ่มขึ้น
หรือ Bayesian-ism ปัจจุบันมีแอปพลิเคชันการเรียนรู้ของเครื่อง?
Nope แต่แบบจำลองแบบเบย์ถูกใช้อย่างมากในการเรียนรู้ของเครื่อง นี่คือหนังสือการเรียนรู้ของเครื่องที่ยอดเยี่ยมที่นำเสนอการเรียนรู้ของเครื่องจากมุมมองของ Bayesian / probibalistic: http://www.cs.ubc.ca/~murphyk/MLbook/
หวังว่าจะตอบคำถามส่วนใหญ่ :)
ปรับปรุง:
[C] คุณจะพิจารณาเพิ่มรายการของเทคนิคเฉพาะหรือสถานที่ที่แยกความแตกต่างทางสถิติแบบเบย์?
สิ่งที่แตกต่างสถิติแบบเบย์คือการใช้แบบจำลองคชกรรม :) ความนี่คือการหมุนของฉันในสิ่งที่รูปแบบเบส์คือ :
แบบจำลองแบบเบย์คือแบบจำลองทางสถิติที่คุณใช้ความน่าจะเป็นเพื่อแสดงถึงความไม่แน่นอนทั้งหมดภายในแบบจำลองทั้งความไม่แน่นอนเกี่ยวกับผลลัพธ์ แต่ยังรวมถึงความไม่แน่นอนเกี่ยวกับอินพุต (พารามิเตอร์อาคา) ไปยังแบบจำลอง สิ่งที่เป็นทฤษฎีบทก่อนหน้า / หลัง / Bayes ทั้งหมดตามมาในเรื่องนี้ แต่ในความคิดของฉันการใช้ความน่าจะเป็นสำหรับทุกสิ่งคือสิ่งที่ทำให้มันเป็นแบบเบย์ (และแน่นอนว่าคำที่ดีกว่า
ตอนนี้รุ่นเบส์อาจเป็นเรื่องยุ่งยากที่จะพอดีและมีโฮสต์ของเทคนิคการคำนวณที่แตกต่างกันที่ใช้ในการนี้ แต่เทคนิคเหล่านี้ไม่ใช่แบบเบย์ในตัวเอง หากต้องการตั้งชื่อเทคนิคการคำนวณบางอย่าง:
- ห่วงโซ่มาร์คอฟ Monte Carlo
- มหานครเฮสติ้งส์
- ตัวอย่างกิ๊บส์
- Hamiltonian Monte Carlo
- Bayes แปรปรวน
- การคำนวณแบบเบย์โดยประมาณ
- ตัวกรองอนุภาค
- การประมาณ Laplace
- และอื่น ๆ ...
ใครคือนักสถิติชื่อดังที่แนะนำคำว่า 'Bayesian' ว่าเสื่อมเสีย?
มันควรจะเป็นโรนัลด์ฟิชเชอร์ บทความเมื่อใดการอนุมานแบบเบย์จึงกลายเป็น "Bayesian" ให้ประวัติศาสตร์ของคำว่า "Bayesian"