@Nima_PhD_ من خیلی دوست دارم یه پروسه جدید برای تحلیل اماری این مساله پیدا کنم که توی مسیر تخمینش با maximum a posterior مثلا l2 ظاهر نشه. ) یا هر روش دیگه ای.

@Nima_PhD_ البته یه تحمین از posterior distribution اینجا. ولی شما بگو چور میتونی با فرض نرمال بودن پارامترها این مساله رو حل کنی

@Nima_PhD_ اگر در مساله ای با ست اپه لجستیک رگرسیون با توجه به شرایط مساله بدونیم پارامتر ها از پریور با توزیع نرمال میان شما بگوتابعه هدفه اپتیمیزیشنش چی میشه؟

@Nima_PhD_ وقتی یکی میگه فلان روش غلطه کلا و من در جوابش میگم خیلی وقتا درسته منظورم اینه که خیلی وقتا هم درسته. به معنای همیشه یا اکثریت نیست. هرچند واقعا ممکنه اکثریت باشه( اما چون به شرایط مساله بستگی داره واقعا بی معنیه که بگیم کدوم حالت اکثریته)

@Nima_PhD_ و اینکه واقعا بدون در نظر گرفتنه پریور و روش بیزین عملا باید با روشهای فرکونتیست تحلیل اماری کنی( p-value و confidence interval). و اگه بخوای بیزین بری خیلی وقتا(به معنای همیشه یا اکثر مواقع نیست) فرض میکنیم پریور نرماله

@Nima_PhD_ 15 ساله پیش سره کلاسه دکترعلیشاهی شنیدم. چون دیدم نوشتین anti p-value امید داشتم که با دقت بیشتری نگاه کنین. کتابهprobabilistic machine learning روخوندین؟ نویسندش یکی ازممنتقدین قدیمی p-value هست که خیلی هم موثربود دراطلاع رسانی و تصمیم مجلات. من با خوندنه اون فهمیدم بیسین رو

@Nima_PhD_ ببین bias بودن وقتی مهمه که شما فرض های فرکونتیست در مورد شرایط مساله داشته باشی. وقتی اطلاعت پریور در مورد پارامترهای مساله داشته باشی اصلا اشتباهه که به سمته این اطلاعات bias نکنی جوابت رو!

@Nima_PhD_ راحت ترش اینه که به کتابه معروفه probabilistic machine learning مراجعه کنیم. هر دوتا روش رو گفته و معایب و مزایاش رو گفته: بعد خودت قضاوت کن که استفاده از بیسین اشتباه هست یا نه

@Nima_PhD_ مثلا توی رگرسیون اگه فرض کنی پارامترهای مدل prior یکنواخت دارن(که در واقع نمیدونه توزیع احتمال باشه!) نتیجه میشه رگرسیونه بدونه رگولاریزیشن. ولی اگه فرش کنی پارامترهای مدل prior نرمال دارن نتیجه میشه رگرسیون با رگولاریزیشن l2

@Nima_PhD_ در واقع اینکه یه ایراده سلیقه ای هست. وایرادی هست که خوده دولوپرها میگیرن! انتخابه سازنده لیبراری این بوده. ولی اصلا بحث من این نیست! چون میگم این سلیقه ایه. یه اماردان یا اکادمیک قطعا اگرازمدلی استفاده میکنه باید طرز استفادش رو یادبگیره وخط اول داکیومنتیشن وتوضیحات رو بخونه!

@EbneHava باید دقیق میگفتی خطر سکته به دلیلی خوشحالی وجود داره یا ناراحتی. چون واقعا مشخص نیست از این ویدیو چه نتیجه ای باید گرفت

@onehalfA @Nima_PhD_ اینکه یه سری ازلیبراری های اماری R هنوز بهتراز پایتون هستن شکی نیست. ولی کلی دلیل وجود داره که چرا از پایتون استفاده بشه حتی برای کسی که حرفه ای باشه. مگراینکه منظورتون ازکاراماری فقط استفاده از این لایبراری ها باشه بدون توجه به مراحل قبل و بعدش ودرنظرنگرفتن ماشین لرنینگ

@Nima_PhD_ کلا کسی که از مدله احتمالی استفاده میکنه بدون اینکه در مورد انتخابه مدل و پریور و هایپرپارامتر و ترانسفورمیشن های داده ها فکر و بررسی کنه مقالش احتمالا به هیچ دردی نمی خوره. خیلی از مدلها رو اصلا نباید بدونه رگولاریزیشن استفاده کرد.

@mehrakmahmoodi1 احمقانه ترش اینه که داده ها پخش میشه! فقط توی سایته خوده بانک مرکزی وجود نداره! برای محاسبه خسارته تاخیر تادیه اطلاعات تورم به هرحال عمومی میشه و اصلا راهه جلوگیریش وجود نداره! و توی خیلی سایتها اطلاعات منتشر شده توسط بانک مرکزی موجوده! مرکز امار هم که شاخص تورم خودشومنتشرمیکنه