新浪博客

数据分析的实践-贝叶斯方法(Bayesian Methods)

2017-07-10 20:56阅读:
数据分析的实践-贝叶斯方法(Bayesian <wbr>Methods)

01)基于数据分析的业务革新


统计的贝叶斯方法(推断统计)
□频率论(Frequentist)方法和贝叶斯方法(Bayesian Methods)
到现在为止介绍的假设检验和程序型(Procedural)分析方法依据统计学的学术分类属于「频率论」
。与「频率论」相对应的是「贝叶斯方法」,是关于使用概率来推断统计模型的未知的参数的统计方法。
统计学的研究主要分为「频率论」「贝叶斯方法」这两大类,到目前为止的主流是「频率论」,因为数据种类和数量的快速增加,「贝叶斯方法」的有效性得到企业和政府的重视,近几年基于「贝叶斯方法」的应用也飞速发展,取得了很多商业成功。
比如:
1.防止骚扰邮件和文档分类
2.项目反应理论IRT (Item Response Theory;Item Latent Theory)
用于学习能力和智力的测试。
3.复杂统计模型的参数推断·阶层型统计模型的参数推断
用于零售业的销售额的预测以及结合气象数据和地理数据推断店铺的收益性等复杂统计模型的参数。在制造业中可以预测产品的质量(QC)的相关参数,达到质量控制的目的。在供应链的预测型商业解决方案中也被广泛使用


数据分析的实践-贝叶斯方法(Bayesian <wbr>Methods)

我的更多文章

下载客户端阅读体验更佳

APP专享