A priori, lissage et Bayes naïf

Ce que le maximum de vraisemblance fait d’un événement jamais observé, pourquoi un a priori Beta en est le remède naturel, et le classifieur qui reprend tout l’appareil, évacue par hypothèse toute dépendance, et fonctionne quand même.

IntermédiaireModule 225 min · 100 XP

Une densité Beta d’abord symétrique qui s’affûte à mesure qu’arrivent les observations, avec le pic du maximum de vraisemblance, le point MAP et la moyenne a posteriori suivis séparément jusqu’à leur convergence, puis un produit de Bayes naïf s’effondrant à zéro sur un unique effectif manquant.

Ceci est une leçon premium

Connectez-vous et inscrivez-vous pour lire la leçon complète, exécuter le code, passer le quiz et gagner des XP pour le badge du parcours.

Se connecter Créer un compte

← Retour à Apprendre des modèles probabilistes