Modeller och tekniker
Bayesian Learning
Bayesiansk inlärning är metoder som bygger på Bayes sats: du utgår från en uppfattning om hur något ligger till, väger in nya observationer och uppdaterar uppfattningen. Resultatet är inte ett enda svar utan en sannolikhetsfördelning, alltså ett svar med osäkerheten inbyggd.
Vad bayesiansk inlärning förväxlas med
Vanlig maskininlärning. De flesta modeller ger ett svar utan att säga hur säkra de är. Här är osäkerheten en del av svaret.
Bayes sats i sig. Satsen är räkneregeln för hur en sannolikhet uppdateras när ny information kommer. Bayesiansk inlärning är att bygga modeller på den.
Att förhandsuppfattningen är godtycklig. Den är ett val som ska kunna motiveras, och den påverkar resultatet mest när underlaget är litet.
Var du möter bayesiansk inlärning
I statistik, i medicinsk forskning och i modeller där osäkerheten måste kunna redovisas. Sällan i ett AI-verktyg på ett kontor, men ofta i underlaget bakom en prognos någon presenterar för dig.
Vad du kan göra med det
Fråga efter osäkerheten när någon visar dig en siffra ur en modell. Ett bayesianskt upplägg ger ofta ett intervall i stället för ett tal, och intervallet är vanligen det som avgör om siffran går att fatta beslut på.
Vidare
Probabilistisk AI om metodfamiljen i stort. Prediktion om vad en modell faktiskt levererar. Modellutvärdering om hur träffsäkerhet mäts.