Útmutatóhoz kapcsolódó kvíz · Közepes Szint

TÉRKÉP becslés és előzetes kvíz

Csatlakoztassa a valószínűséget, és a posterior mód előtt azonosítsa az L1 és L2 korábbi megfeleléseket, és különböztesse meg a MAP-ot a teljes utólagos következtetéstől.

Kapcsolódó útmutató utakTérképbecslés és előzmények
kérdés 1 -ból 8

Melyik mennyiséget maximalizálja a MAP?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Melyik mennyiséget maximalizálja a MAP?
    • A posterior denzitás a megfigyelt adatok alapján
    • Egyedül a valószínűség, az előzőtől függetlenül
    • Egyedül az előzetes sűrűség, függetlenül a megfigyelt adatoktól
    • Az összes paraméterértékre integrált határvalószínűség
  2. Mit maximalizál az MLE a MAP-hoz képest?
    • A hátsó, beleértve a priort
    • A valószínűség
    • Csak az előzetes sűrűség
    • A hátsó intervallum szélessége
  3. Melyik prior ad általában L2-stílusú együttható büntetést a MAP-ban?
    • Egy Laplace-prior, amelynek logsűrűsége abszolút értékű büntetést ad
    • Egységes prior, amely a támogatásán belül állandó
    • Nulla központú Gauss-prior, amelynek negatív logsűrűsége négyzetes büntetést ad
    • Egy nullapontos tömeg, amely minden együtthatót nullára rögzít
  4. Melyik prior ad általában L1-stílusú büntetést?
    • Gauss prior, ami négyzetes nagyságrendű büntetést ad
    • Egységes előzetes, amely nem ad büntetést a támogatásán belül
    • Ponttömeg nullán, ami rögzíti a paramétert
    • Egy Laplace-prior, amelynek negatív logsűrűsége abszolút értékű büntetést ad
  5. Miért különbözhet a MAP a korlátozott adatokkal rendelkező MLE-től?
    • A MAP elveti a valószínűséget, ha az adatok korlátozottak
    • A prior a becslést az általa előnyben részesített értékek felé húzhatja
    • Az MLE kis minták esetén mindig nulla becslést ad vissza
    • A MAP a legnagyobb értékű megfigyelést választja ki
  6. Mit nyújt önmagában a MAP pontbecslés?
    • Pontbecslés, amely egy hiteles intervallumot is megad
    • A teljes utólagos eloszlás az összes paraméterérték között
    • Utólagos mód, teljes bizonytalansági összefoglaló nélkül
    • Garancia arra, hogy a feltételezett előzetes helyes
  7. Miért lehet informatív az előzetes érzékenységi elemzés?
    • Garantálja, hogy az utólagos és a korábbi elosztások azonosak legyenek
    • Ez azt bizonyítja, hogy a valószínűség hibásan van megadva, amikor a MAP változik
    • Megszünteti a megfigyelt adatok ellenőrzésének szükségességét
    • Megmutatja, hogy a következtetések változnak-e elfogadható előzetes döntések hatására
  8. Miért változhat egy utólagos mód az újraparaméterezés során?
    • A sűrűség a koordináta-rendszerrel együtt változik, így a módusát nem kell invariánsan leképezni
    • A valószínűség a transzformáció utáni megfigyelésektől függően megáll
    • A posterior mód definíció szerint invariáns minden nemlineáris térkép esetében
    • Az újraparaméterezés a folyamatos paramétert osztálycímkévé alakítja