python - 如何使用贝叶斯证据来比较模型
问题描述
我正在探索如何使用贝叶斯估计来比较模型,并且需要与实现它的方法进行比较。到目前为止我只是发现这篇文章更容易理解,但我仍然不确定如何实现。如果您转到第 20 页“使用贝叶斯证据进行模型比较”。
同样正如作者所提到的,“P(M) 是模型先验概率。如果我们没有理由偏爱一个模型而不是另一个模型,那么我们只需将所有这些设置为相等”。P(D|Mi)
是证据,“重要的一点是证据是数据上的标准化 PDF”。
这些给我提出了两个问题:
P(Mi) 可以对所有模型都相等,这意味着我可以将它们都设置为 1 或者它们的总和应该为 1?
如果证据 P(D|Mi) 是归一化的 pdf,它应该是一个分布,对吧?那么如何将规范化的pdf转换为值?最让我困惑的是,假设我有特征 X、ground truth y 和预测类 y_pred。如何计算每个模型的 P(D|Mi)?
可以给我一个简单的例子 features X, ground truth y, and predicted classes y_pred
吗?如果你可以在 python 或 R 中做到这一点,那就更好了。
解决方案
推荐阅读
- c++ - OpenSSL TLS 服务器 - 使用客户端证书白名单
- python - 如何从另一个目录导入 python 类
- plsql - utl_smtp 如何处理来自错误电子邮件地址的拒绝电子邮件
- javascript - Wordpress 网站的条件 Js 不起作用
- javascript - 有什么方法可以检测浏览器上的窗口停留?
- reactjs - React createPortal 调用失败,因为 document.body 不存在?
- ios - 通过 Carthage 获取 libAdIdAccess.a 以获得 GoogleIDFASupport
- jmeter - Jmeter - 俄语字符编码问题
- python - Python中静态方法的使用
- laravel - 仅获取特定的关系记录