Bayesçi Çıkarım Nedir?
İngilizce: Bayesian Inference
Yayın: · Son güncelleme:
Bayesçi Çıkarım Nedir? Kısaca
Bayesçi çıkarım, bir olay ya da parametre hakkındaki mevcut inancı (önsel olasılık) yeni gözlenen veriyle Bayes teoremi aracılığıyla güncelleyerek sonsal olasılığa ulaşan istatistiksel çıkarım yaklaşımıdır.
Bayesçi çıkarım, belirsizliği olasılıkla ifade eden ve yeni veri geldikçe bu olasılıkları güncelleyen bir istatistik yaklaşımıdır. Temelinde Bayes teoremi yer alır.
Bayesçi çıkarım nedir?
Süreç üç parçadan oluşur:
| Kavram | Anlamı |
|---|---|
| Önsel (prior) | Veriyi görmeden önceki inancın |
| Olabilirlik (likelihood) | Gözlenen verinin, varsayılan parametre altında ne kadar olası olduğu |
| Sonsal (posterior) | Veriyi gördükten sonra güncellenmiş inancın |
Formül kabaca şöyle özetlenir: sonsal, önsel ile olabilirliğin çarpımıyla orantılıdır. Bugünün sonsalı, yarın yeni veri geldiğinde önsel olarak kullanılabilir.
Örnek
Varsayımsal olarak bir paranın hileli olup olmadığını merak ettiğini düşün. Başta paranın büyük ihtimalle adil olduğuna inanıyorsun. 10 atışta 9 tura gelirse, bu veri inancını "para tura yönünde hileli olabilir" tarafına kaydırır. Atış sayısı arttıkça önselin etkisi azalır, veri belirleyici olur.
Yapay zekâda kullanımı
- Naive Bayes gibi sınıflandırıcılar bu mantıkla çalışır.
- Bayes ağları değişkenler arasındaki olasılıksal ilişkileri modeller.
- Bayesçi hiperparametre optimizasyonu, denenecek ayarları akıllıca seçer.
- Model belirsizliğini ölçmek için Bayesçi sinir ağları kullanılır.
Nelere dikkat etmeli?
Önsel seçimi sonucu etkileyebilir; az veride bu etki belirgindir. Karmaşık modellerde sonsalı tam hesaplamak zor olduğundan Monte Carlo gibi yaklaşık yöntemlere başvurulur.
Sıkça Sorulan Sorular
Bayesçi ve frekansçı yaklaşım arasındaki fark nedir?
Frekansçı yaklaşım parametreleri sabit ama bilinmeyen değerler olarak görür ve olasılığı uzun vadeli sıklık olarak yorumlar. Bayesçi yaklaşım ise parametreler hakkındaki belirsizliği doğrudan olasılık dağılımıyla ifade eder.
Önsel olasılık nasıl seçilir?
Önceki çalışmalardan, uzman bilgisinden ya da hiçbir yöne kayırmayan bilgi vermeyen (düz) dağılımlardan seçilebilir. Seçimin gerekçesini açıkça belirtmek iyi bir uygulamadır.