知识卡片
先验的影响会被数据冲淡
三个不同的先验在只掷十次后给出 0.33、0.46、0.66 三个明显不同的后验,说明小样本时先验几乎决定结论;但数据一多,后验会收敛:看过 2000 次中的 1000 次正面之后,除非先验强到 Beta(1000000,1) 这种极端程度,否则谁都很难再坚持原来的偏见。这既是贝叶斯方法的优点——结论随证据连续更新、信念可以量化,也是它受争议的根源:先验的选择带有主观性,而小样本时这种主观性不会被数据纠正。再加上推导的数学复杂度,书中明确表示后续不再使用它,只作为另一种思路介绍。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 假设和推论 · 查看原书依据
如果多次掷硬币,无论最初设置了什么样的先验分布,它对后验分布的影响会越来越小,直到最终得出(几乎)相同的后验分步。
参考来源
- 位置:《数据科学入门(第2版)》第7章 假设和推论(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0011.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「如果多次掷硬币,无论最初设置了什么样的先验分布,它对后验分布的影响会越来越小,直……」
- 原始内容:如果多次掷硬币,无论最初设置了什么样的先验分布,它对后验分布的影响会越来越小,直到最终得出(几乎)相同的后验分步。