Minden szorzó egy valószínűségi becslés reciproka; a fogadó feladata, hogy ennél pontosabbat adjon. A kötet bemutatja, hogyan épül fel ez a becslés, és hogyan ellenőrizhető, hogy valóban jobb-e a piacnál – és ha igen, milyen mértékben.
A kötet tartalma
- Érték: az implicit valószínűség és a várható érték kapcsolata, és hogyan fordítható le a szorzó valószínűségre.
- Módszerek: statisztikai becslési eljárások a bayesi frissítéstől a regressziós modellekig.
- Gépi tanulás: korszerű tanuló algoritmusok, köztük a gradiensnövelt döntési fák, és a túlillesztés elkerülése.
- Validáció: a kalibráció és a becslések minőségének mérése mintán kívüli adatokon, log loss és Brier-pontszám alapján.
A Módszertanunkban leírt modellegyüttes elméleti háttere, képletekkel és kidolgozott számpéldákkal.
A kötet céljai
- Bemutatni a valószínűségi becslés fő módszereit a relatív gyakoriságtól a bayesi frissítésen át a gépi tanulásig.
- Rendszerezni a modellek tipikus hibaforrásait és elhárításuk módját.
- Megtanítani a valószínűségi becslés helyes értékelését: kalibráció, log loss, Brier-pontszám, mintán kívül.
Fejezetek
- Bevezetés A valószínűség mint termék
- I. fejezet Gyakoriság és bayesi frissítés
- II. fejezet Regresszió és gépi tanulás
- III. fejezet Hibaforrások és torzítások
- IV. fejezet Valószínűségi becslések értékelése
- V. fejezet Az előny hosszú távon
Előismeret
A valószínűség és a várható érték fogalma (01–04. kötet).