የ MAP ግምት እና ቀዳሚዎች

የBayesia inference ዕድሎችን ያጣምራል፣ ይህም የተስተዋለው ውሂብ በመለኪያ እሴቶች ውስጥ ምን ያህል ሊሆን እንደሚችል ይገልጻል፣ መረጃን ወይም ግምቶችን ከሚወክል ቀድሞ ስርጭት ጋር እነዚያን መረጃዎች ከማየታቸው በፊት። የቤይስ ህግ የኋለኛውን ስርጭት ከቅድመ-ጊዜዎች ጋር ተመጣጣኝ ይሰጣል። ከፍተኛው የዕድል ግምት (MLE) እድሉን ከፍ የሚያደርገውን መለኪያ ይመርጣል። ከፍተኛው የኋለኛ ግምት (MAP) የኋለኛውን ጥግግት ከፍ የሚያደርገውን እሴት ይመርጣል። ሎጋሪዝምን መውሰድ ምርቶችን ወደ ድምር ይለውጣል፡ ሎግ ፖስተር እኩል የምዝግብ ማስታወሻ ዕድል እና ሎግ ቀደም ብሎ ሲደመር በመለኪያዎቹ ላይ ያልተመሠረተ የመደበኛነት ቋሚ። የኋለኛውን ከፍ ማድረግ የምዝግብ ማስታወሻዎችን እና የምዝግብ ማስታወሻዎችን ከመጨመር ጋር እኩል ነው። ቀዳሚው በዜሮ እና በጋውስያን ላይ ያተኮረ ከሆነ፣ የሎግ ጥግግቱ ከካሬው ኮፊሸንት መጠን ጋር ተመጣጣኝ የሆነ አሉታዊ ቃል አስተዋፅዖ ያደርጋል። የኋለኛውን ከፍ ማድረግ በአጋጣሚ ላይ የተመሰረተ ኪሳራ እና የL2 ቅጣትን ከመቀነስ ጋር ይዛመዳል። የላፕላስ ቅድመ-ፍፁም እሴት ቃል ያበረክታል፣ ይህም የL1 አይነት ቅጣትን ያመጣል። ትክክለኛው አቻነት የሚወሰነው እድላቸው፣ ቀዳሚ ሚዛኖች እና ዓላማዎች እንዴት እንደሚለኩ ነው። ግምታዊ በሆነ አነስተኛ የውሂብ መመለሻ፣ MLE ግምቱን የሚወስዱት ጥቂት ምልከታዎች ብቻ ስለሆኑ 8 ኮፊሸንት ሊገጥም ይችላል። ዜሮ ያማከለ ቀዳሚ የ MAP ግምትን ወደ ዜሮ ሊጎትተው ይችላል። ይህ የዘፈቀደ እርማት አይደለም፡ ለትናንሽ ውህዶች ምርጫን ይገልጻል። ያ ቀደምት አግባብ ካልሆነ፣ የ MAP ግምት ወደ ጎጂ አቅጣጫ ሊያዳላ ይችላል። ግምቶችን ሪፖርት ያድርጉ እና መደምደሚያዎች በአሳማኝ አማራጮች እንዴት እንደሚቀየሩ ይፈትሹ። MAP የነጥብ ግምትን ይመልሳል እንጂ ሙሉውን የኋላ ስርጭት አይደለም። ለማመቻቸት እና መደበኛ ትንበያ ጠቃሚ ሊሆን ይችላል፣ ነገር ግን የኋላ ክፍተቶች ወይም ናሙናዎች እንዴት እንደሚያደርጉ እርግጠኛ አለመሆንን አያጠቃልልም። የኋለኛው ሁነታ እንዲሁ በመለኪያነት ላይ ሊመካ ይችላል ምክንያቱም እፍጋቶች ከአስተባባሪ ስርዓቱ ጋር ስለሚቀየሩ። የፕሮባቢሊቲ ጥግግት ሁነታን ከፓራሜትር እሴት ከትልቅ የተቀናጀ የመቻል ብዛት ይለዩ። ውሳኔዎች በእርግጠኛነት ላይ የተመኩ ሲሆኑ፣ MAP ብቻውን እንደ ሙሉ የቤኤዥያ ትንታኔ ከማቅረብ ይልቅ የኋላውን ይመርምሩ።