El análisis bayesiano requiere una distribución previa, y a menudo son difíciles de formular. Significa que su análisis es personal para usted, cualquier otra persona que observe los mismos datos tiene que sacar conclusiones personales. Los bayesianos tienen formas de lidiar con estos problemas, pero requieren más esfuerzo que realizar un análisis preempaquetado que no exige introspección y es igual para todos. La pregunta relevante en mi opinión es si el trabajo adicional para un análisis bayesiano mejora la respuesta, y en mi experiencia la respuesta es a veces sí, a veces no.
El análisis bayesiano impone consistencia, lo cual es bueno en principio, pero puede ser muy difícil en la práctica. Muchas técnicas naturales y útiles, como el muestreo, la regularización y el bayesianismo empírico, están prohibidas o justificadas de forma tortuosa.
Mi veredicto general es que si no puede hacer un análisis bayesiano, entonces cualquier análisis no bayesiano que haga probablemente sea incorrecto. Pero si pudiera hacer un análisis bayesiano y elegir métodos de acceso directo en su lugar, en muchos casos ahorrará muchos problemas y, a menudo, obtendrá resultados tan buenos o mejores.
- ¿Qué significa 'clasificación' en la discusión del reconocimiento de patrones?
- En una máquina de vectores de soporte, el número de vectores de soporte puede ser mucho menor que el conjunto de entrenamiento. ¿Cómo puede ser útil esta característica?
- Dadas las variables / parámetros continuos, ¿cuál es la diferencia entre el aprendizaje automático y la interpolación?
- ¿Hay alguna diferencia entre los codificadores automáticos y el codificador-decodificador en el aprendizaje profundo?
- ¿Por qué la red bayesiana no ha tenido tanto éxito como la red neuronal profunda?
Me considero bayesiano por las razones del párrafo anterior, pero muchos bayesianos no me admitían en el club, ya que a menudo uso métodos ad hoc y empíricos. Un análisis bayesiano es el estándar de oro, pero el oro es caro y los materiales más baratos pueden ser más prácticos a veces.