The Bayesian approach has several r

The Bayesian approach has several reported advantages over the frequentist approach. Kingston et al. (2005) refer to it being based on the posterior weight distribution, and hence the lack of need for discovering a single optimum weight vector. They further stress the need for the use of training data unaccompanied as evidence of model evaluation. An independent test set is not needed in most cases. Lee (2000) reports its automatic consideration of all combined model uncertainty into the deci-sive posterior estimate. Finally, the Bayesian approach provides an effective way to do inference when prior knowledge is wanting or vague (Lampinen and Vehtari, 2001).

Kết quả (Việt) 1:

Cách tiếp cận Bayes có nhiều báo cáo lợi thế so với phương pháp tiếp cận frequentist. Kingston et al. (2005) đề cập đến nó được dựa trên việc phân phối trọng lượng phía sau, và do đó thiếu cần khám phá ra một trọng lượng tối ưu đơn véc tơ. Họ tiếp tục nhấn mạnh sự cần thiết cho việc sử dụng các dữ liệu đào tạo không hộ tống như là bằng chứng của việc đánh giá mô hình. Một thiết lập thử nghiệm độc lập không phải là cần thiết trong hầu hết trường hợp. Lee (2000) báo cáo của nó xem xét tự động của tất cả các mô hình kết hợp sự không chắc chắn vào xấp xỉ sau deci-sive. Cuối cùng, phương pháp tiếp cận Bayes cung cấp một hiệu quả cách để làm suy luận khi kiến thức trước khi mong muốn hoặc mơ hồ (Lampinen và Vehtari, 2001).

Kết quả (Việt) 2:

Các phương pháp Bayesian đã báo cáo một số ưu điểm so với phương pháp tiếp cận frequentist. Kingston et al. (2005) đề cập đến nó được dựa trên sự phân bố trọng lượng sau, và do đó sự thiếu nhu cầu khám phá ra một vector trọng lượng tối ưu duy nhất. Họ cũng nhấn mạnh sự cần thiết của việc sử dụng các dữ liệu huấn luyện người đi kèm như là bằng chứng của việc đánh giá mô hình. Một tập kiểm tra độc lập là không cần thiết trong hầu hết các trường hợp. Lee (2000) báo cáo xem xét tự động của tất cả các mô hình không chắc chắn kết hợp vào dự toán sau deci-sive. Cuối cùng, phương pháp Bayesian cung cấp một cách hiệu quả để làm suy luận khi biết trước là muốn hay mơ hồ (Lampinen và Vehtari, 2001).