고정 헤더 영역
상세 컨텐츠
본문
728x90
반응형
[ 제 네이버 블로그 글을 티스토리로 이전한 글입니다. 해당 글은 제 네이버 블로그에 2018.11.12에 작성되었었습니다 ]
Bayesian inference를 이해해서, 내 문제에 적용하기 위해 여러 자료를 계속 보고 있습니다.
Bayesian inference를 이해하는데 도움이 되는 유투브 영상 및 자료들을 정리하였습니다.
- Hierarchical Bayesian models of cognition
- 유익한 slide
http://halweb.uc3m.es/esp/Personal/personas/causin/eng/2011-2012/Bayes/chapter_12.pdf
- 기본 paper
https://arxiv.org/pdf/1405.4895.pdf
아래 글들을 읽고나서, Bayesian inference에 대한 이해가 더 생겼다.
- Analytic analysis
Bayesian Inference of a Binomial Proportion - The Analytical Approach | QuantStart
In the previous article on Bayesian statistics we examined Bayes' rule and considered how it allowed us to rationally update beliefs about uncertainty as new evidence came to light. We mentioned briefly that such techniques are becoming extremely important
www.quantstart.com
- Sampling approach
Markov Chain Monte Carlo for Bayesian Inference - The Metropolis Algorithm | QuantStart
In previous discussions of Bayesian Inference we introduced Bayesian Statistics and considered how to infer a binomial proportion using the concept of conjugate priors. We discussed the fact that not all models can make use of conjugate priors and thus cal
www.quantstart.com
728x90
반응형
'Machine learning' 카테고리의 다른 글
| [논문 읽기] Meta-RangeSeg: LiDAR Sequence Semantic Segmentation Using Multiple Feature Aggregation (0) | 2022.03.07 |
|---|---|
| Quantum Neural Networks (양자 신경망, 양자 머신러닝) (0) | 2021.08.27 |
| Weight initialization (웨이트 초기화) (0) | 2021.08.13 |
| (KDnuggets) 데이터 분석에 주로 사용되는 5가지 clustering 알고리즘들 (0) | 2021.08.12 |
| (kdnuggets) 데이터 이해하기 (0) | 2021.08.11 |
댓글 영역