Коли я повинен використовувати байєсівську оптимізацію?

Це особливо ефективно для сценарії, коли вибірка є дорогою, а цільова функція невідома, але її можна відібрати. Байєсовська оптимізація зазвичай використовує імовірнісну модель, як-от процес Гаусса, для оцінки цільової функції, а потім використовує функцію збору даних, щоб вирішити, де робити вибірку далі.

Байєсовська оптимізація — це послідовна стратегія проектування для глобальної оптимізації функцій чорного ящика, яка не передбачає жодних функціональних форм. Зазвичай його використовують для оптимізації дорогих для оцінки функцій.

Якщо у вас є певні переконання або знання про сферу ваших дослідженьбайєсівський підхід може бути кращим, наприклад, якщо ви вважаєте певні параметри істинними перед проведенням експерименту. Якщо у вас немає попередніх переконань щодо даних або ви вважаєте, що попередні дані недійсні, тоді прийміть частотний підхід.

Ми бачимо, що байєсівський пошук трохи перевершує інші методи. Цей ефект набагато помітніший у великих наборах даних і складніших моделях.

Використання байєсівського аналізу також має недоліки:

• Він не говорить вам, як вибрати попередній. …
• Він може створювати апостеріорні розподіли, на які сильно впливають попередні. …
• Це часто супроводжується високими обчислювальними витратами, особливо в моделях з великою кількістю параметрів.

Як дізнатися, коли використовувати теорему Байєса? Якщо вам потрібно визначити ймовірність того, що щось станеться, якщо існує інша умова, яка може вплинути на подію, ви б використали теорему Байєса.