차례:
정의-베이지안 통계 란 무엇을 의미합니까?
베이지안 통계는 오늘날의 인공 지능 및 기계 학습 세계에서 일반적으로 사용되는 동적 확률 통계 유형입니다. 이러한 기술은 순수한 선형 프로그래밍을 넘어보다 확률적인 접근 방식을 추구합니다. 베이지안 통계 방법은 현재까지 가장 일반적인 통계 분석 유형 인 "자주주의"통계와는 다른 정교 기반을 기반으로하기 때문에 베이지안 통계가이 아이디어를 보완합니다.
Techopedia는 베이지안 통계를 설명합니다
빈번한 통계는 단순히 특정 숫자의 알려진 테스트 세트를 기반으로 주어진 이벤트의 확률을 취합니다. 대조적으로, 베이지안 통계는 확률을 취하여 결과에 "신념의 정도"를 표현하고 가설에 근거한 추론을 확립 할 수있게합니다. 베이지안 통계는 1770 년대 토마스 베이 즈 (Thomas Bayes)에 의해 처음 개척되어이 아이디어를 작동시키는 베이 즈 정리를 만들었습니다.
베이지안 통계를 생각하는 또 다른 방법은“조건부 확률”을 이용하는 것입니다. 여러 요인을 고려합니다. 코인 토스에 대해 생각해보십시오. 여기서 빈번한 통계 모델이 매번 50 %에 가까울 것이라고 판단하기 위해 많은 수의 테스트를 실행할 수 있습니다. 그러나 베이지안 통계는 조건부 요소를 사용하여 원래의 빈번한 통계에 적용 할 수 있습니다. 동전 던지기의 결과를 확인할 때 비가 내 렸는지 여부를 고려한 경우 어떻게해야합니까? 통계 결과 측면에서 결과에 영향을 줄 수 있습니까?
일반적으로 이와 같은 환경 요소는 코인 던지기의 결과를 변경하지 않지만 조건 조건이 서로 영향을 미치는 비즈니스 세계에서 베이지안 통계는 데이터에서 통찰력을 얻는 데있어 강력한 부분이 될 수 있습니다. 이것이 베이지안 통계가 엔터프라이즈 기술에서 일반적으로 사용되는 이유입니다.
