12. Байесовский подход
Каждую неделю по вторникам приглашаем всех желающих на лекции по математической статистике. Максим Николаев познакомит слушателей как с классическими результатами в этой области, так и с более современными вычислительными методами.
0:00 Два типа неопределенности
5:34 Два подхода к вероятности: частотный и байесовский
7:39 Выражение неопределенности с помощью плотности
13:23 Априорное и апостериорное распределения
17:15 Формула Байеса
20:45 Вид модели в байесовском подходе
24:58 Что происходит в случае бесконечных данных?
28:20 Маргинальное распределение параметра
30:44 Апостериорные среднее и максимум, достоверный интервал
35:45 Сопряженное априорное распределение
43:08 Неинформативные, информативные и слабо информативные априорные распределения
1:03:52 Байесовский подход и ридж-регрессия
1:08:44 Предсказательное распределение
1:13:40 Оценка качества модели
1:23:16 Проверка гипотез vs принятие решений
1:26:13 Байесовская классификация
1:31:40 Что почитать
1:33:58 Вопросы
Плейлист курса: https://youtube.com/playlist?list=PLlb7e2G7aSpRIiB5S5ld-3nxxVAH5cyAc
Подробнее о курсе: https://compscicenter.ru/courses/math-stat/2022-spring
Подписывайтесь на наш канал: https://www.youtube.com/c/compscicenterru
Подробнее о поступлении в CS центр: https://compscicenter.ru/application
Следите за новостями и анонсами:
https://vk.com/compscicenter
https://t.me/compscicenter_ru
Поддержать CS центр: https://compscicenter.ru/fund
Видео 12. Байесовский подход канала Computer Science Center
0:00 Два типа неопределенности
5:34 Два подхода к вероятности: частотный и байесовский
7:39 Выражение неопределенности с помощью плотности
13:23 Априорное и апостериорное распределения
17:15 Формула Байеса
20:45 Вид модели в байесовском подходе
24:58 Что происходит в случае бесконечных данных?
28:20 Маргинальное распределение параметра
30:44 Апостериорные среднее и максимум, достоверный интервал
35:45 Сопряженное априорное распределение
43:08 Неинформативные, информативные и слабо информативные априорные распределения
1:03:52 Байесовский подход и ридж-регрессия
1:08:44 Предсказательное распределение
1:13:40 Оценка качества модели
1:23:16 Проверка гипотез vs принятие решений
1:26:13 Байесовская классификация
1:31:40 Что почитать
1:33:58 Вопросы
Плейлист курса: https://youtube.com/playlist?list=PLlb7e2G7aSpRIiB5S5ld-3nxxVAH5cyAc
Подробнее о курсе: https://compscicenter.ru/courses/math-stat/2022-spring
Подписывайтесь на наш канал: https://www.youtube.com/c/compscicenterru
Подробнее о поступлении в CS центр: https://compscicenter.ru/application
Следите за новостями и анонсами:
https://vk.com/compscicenter
https://t.me/compscicenter_ru
Поддержать CS центр: https://compscicenter.ru/fund
Видео 12. Байесовский подход канала Computer Science Center
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Как найти сумму ряда?Продвинутый LaTeX: как написать свой шаблонЛекция 15. Байт-код и сборка мусораЛекция 14. Что внутри Java?Лекция 13. Конкурентные коллекции. АннотацииЛекция 12. Примитивы синхронизации и конкурентные коллекции11. Тысяча и один способ выстрелить себе в ногу, проверяя гипотезыЛекция 11. Многопоточность в JavaЛекция 10. Ввод-вывод10. Линейная регрессия9. Дисперсионный анализ. Корреляционный анализ. Линейная регрессияЛекция 9. Stream API Терминальные операции и коллекторы8. Гипотезы согласия. Гипотезы однородности. A/B тестыЛекция 8. Элементы функционального программирования. Stream API7. Простая гипотеза и простая альтернатива. Гипотезы о характеристикахЛекция 7. Map, hashcode, компараторы6. Проверка гипотез: основыЛекция 6. Обобщенные типы и коллекции5. М-оценки. Робастность. ЭффективностьЛекция 5. Исключения, try-catch, обобщенные типы