机器会学习的博客

本文系统介绍了贝叶斯统计分析的完整工作流程，从数据收集、模型构建到后验分析。主要内容包括：1）不同数据收集方法（抽样调查、实验设计、观察性研究）的特点及缺失数据处理；2）贝叶斯模型构建的迭代过程及关键考量因素；3）先验分布的选择与评估方法；4）推理过程的重要性及常见误区；5）后验分布图的核心作用，包括直观展示分布特征、辅助决策、评估模型拟合效果等。文章强调贝叶斯分析是一个循环迭代的过程，需要不断调整模型并利用诊断工具验证结果，最终目标是获得可靠的后验分布以支持决策。

贝叶斯思维　　贝叶斯推断与传统的统计推断不同，贝叶斯推断保留不确定性，在贝叶斯派的世界观中，概率是我们对某一事件将要发生相信程度． 　　在传统的统计推断中频率派对概率的有不同的解释，频率派认为概率是事件在一段时间内发生的频率．比如火车事故的概率是指长期来看，发生事故的频率值．有些时候这样的解释是合乎逻辑的．但是对于那些没有长期频率的事件来说，就不太合乎逻辑．比如：选举，某某某候选人的获选概率...

概率分布　　假设x是一个随即变量,存在一个关于x的概率分布函数，x可以取任何值．同概率分布函数都得到一个概率值．随即变量分为三种类型： １．离散随机变量：变量的取值在固定的列表中． ２．连续随机变量：连续变量的值可以是任意精度的数值． ３．混合型变量　：既有离散型变量又有连续型变量．离散情况　　xxx是离散的，xxx的分布为概率质量函数，当xxx的取值为kkk时的概率为P(x=k...

数据集是一个包含用户每天接收到短信条数的数据，利用用户短信数据来推断用户行为的变化．%matplotlib inlineimport numpy as npfrom matplotlib import pyplot as pltfrom IPython.core.pylabtools import figsize直观感受下数据# 加载数据figsize(15,6)sm...