贝叶斯：贝叶斯层级模型
贝叶斯层级模型（Bayesian Hierarchical Model）是统计分析中一种有效的分析方法，尤其是当变量有很多而且相互之间有说不清道不明的关系的时候。
·
参考链接
贝叶斯层级模型
https://www.zhihu.com/tardis/landing/m/360/art/267254720贝叶斯层级模型（Bayesian Hierarchical Model）是统计分析中一种有效的分析方法，尤其是当变量有很多而且相互之间有说不清道不明的关系的时候。
线性回归模型
要想理解贝叶斯层级模型就想要理解贝叶斯回归模型。废话不多说，直接上表达式。
如果从概率分布的角度来说就需要用极大似然估计（Maximum Likelihood Estimation）。
贝叶斯回归
注意！！！再次强调贝叶斯回归求得的参数是分布，是分布，是分布！！！
单层贝叶斯回归模型，方框是可以获得的数据，圆圈是需要估计的参数
至于如何去求后验分布，基本上都是用的是蒙托卡罗-马尔可夫方法（MCMC），具体有可以分成M-H (Metropolis-Hastings)抽样算法和Gibbs抽样算法。当然也有用变分贝叶斯算法的。很多帖子都有做这类的介绍，这里不做过多陈述。
贝叶斯层级模型
两层贝叶斯回归模型，方框是可以获得的数据，圆圈是需要估计的参数
如果继续衍生下去，让已知的参数继续变为未知，那么就会出来三层、四层、五层……贝叶斯层级模型。
技术共进，成长同行——讯飞AI开发者社区
更多推荐
7
0- 0
已为社区贡献3条内容
所有评论(0)