【发布时间】:2018-10-25 20:49:14
【问题描述】:
我正在参加机器学习课程,我们获得了第一个统计数据——“编程”练习。
所以练习是这样的:
回想一下“亚马逊的两个卖家价格相同”讲座中的故事。一个有 90 条正面评论和 10 条负面评论。另一个2阳性0阴性。谁应该 你从那里买的?”写下关于可靠性的后验概率(如讲座中所述)。使用数值积分计算 p(x > y|D1, D2)。 您可以使用 scipy.stats.beta.rvs(a,b,size) 函数生成 Beta 分发样本。
我们从讲座中了解到以下内容:
应用了两个 Beta 二项式模型: p(x|D1) = Beta(x|91, 11) 和 p(y|D2) = Beta(y|3, 1)
计算卖家 1 比卖家 2 更可靠的概率:
p(x > y | D1, D2 ) = ∫∫ [x > y] Beta (x| 91, 11) Beta (y| 3, 1) dx dy
所以我在 Python 中的尝试是这样的:
In [1]: import numpy as np
from scipy import integrate, stats
In [2]: f = lambda x, y: stats.beta.rvs(91, 11, x) * stats.beta.rvs(3, 1, y)
In [3]: stats.probplot(result, x > y)
我收到一条错误消息:
... The maximum number of subdivisions (50) has been achieved....
但最终有一个近似计算的答案。 1.7 . (我们被告知答案大约是 0.7)
我的问题是:我如何计算 [x > y] 部分,意思是:卖家 1 (x) 比卖家 2 (y) 更可靠的概率?
【问题讨论】:
-
请查看并相应地编辑问题呈现文本中显示为超链接的内容(因此不支持 Latex)。另外,问题与
machine-learning无关 - 请不要向标签发送垃圾邮件(已删除)。 -
您能修改一下您的 Python 尝试吗?
result、x和y据我所知没有定义?而你从不使用f -
我编辑了 HTML 部分。添加 ML-tag 是因为该练习是在我的 ML 课程中进行的,但我知道它没有直接连接。感谢您的提示:)
标签: python statistics beta-distribution