Inferența bayesiană aproximativă

Recenzii ale cititorilor

În prezent, nu există recenzii ale cititorilor. Evaluarea se bazează pe 2 voturi.

Titlul original:

Approximate Bayesian Inference

Conținutul cărții:

Extrem de populare pentru inferența statistică, metodele bayesiene devin, de asemenea, populare în problemele de învățare automată și de inteligență artificială. Estimatorii bayesieni sunt adesea implementați prin metode Monte Carlo, cum ar fi algoritmul Metropolis-Hastings al eșantionatorului Gibbs.

Acești algoritmi vizează distribuția posterioară exactă. Cu toate acestea, multe dintre modelele moderne din statistică sunt pur și simplu prea complexe pentru a utiliza astfel de metodologii. În învățarea automată, volumul datelor utilizate în practică face ca metodele Monte Carlo să fie prea lente pentru a fi utile.

Pe de altă parte, aceste aplicații nu necesită adesea o cunoaștere exactă a posteriori-ului. Acest lucru a motivat dezvoltarea unei noi generații de algoritmi care sunt suficient de rapizi pentru a gestiona seturi de date uriașe, dar care vizează adesea o aproximare a posteriorului.

Această carte reunește 18 lucrări de cercetare scrise de specialiști în inferență bayesiană aproximativă și oferă o imagine de ansamblu a progreselor recente ale acestor algoritmi. Aceasta include metode bazate pe optimizare (cum ar fi aproximările variaționale) și metode bazate pe simulare (cum ar fi algoritmii ABC sau Monte Carlo).

Sunt acoperite aspectele teoretice ale inferenței bayesiene aproximative, în special limitele PAC-Bayes și analiza regretului. Sunt prezentate, de asemenea, aplicații pentru probleme de calcul dificile în astrofizică, finanțe, analiză de date medicale și viziune pe calculator.