Bayesian methods for tackling complex inferential problems in data science
Veri biliminde karmaşık çıkarım problemleriyle uğraşmak için Bayes yöntemleri
- Tez No: 928826
- Danışmanlar: DR. ÖĞR. ÜYESİ SİNAN YILDIRIM
- Tez Türü: Doktora
- Konular: İstatistik, Endüstri ve Endüstri Mühendisliği, Statistics, Industrial and Industrial Engineering
- Anahtar Kelimeler: Bayesian ve nonbayesian yöntemler, Bayesian and nonbayesian methods
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bayes yöntemleri, veri bilimindeki çeşitli tahmin ve çıkarım problemlerini modelleme, çözme ve analiz etmede ilkeli bir yolu kapsar. Bu tezde, çok çeşitli çıkarımsal problemleri ele almak için, arka örnekleme, karışım modelleri için EM algoritması, ön olasılık tahmini için alt örnekleme gibi çeşitli Bayes yöntemlerini kullanıyoruz. Bu problemler arasında, denetlenen öğrenmede düzenlenmiş doğrusal modellerde hiperparametre ayarlama, gürbüz regresyon, küresel ve yerel diferansiyel mahremiyet çerçeveleri altında dinamik/çevrimiçi veri kümeleri için frekans tahmini yer alır. Bu problemlerin her biri için, örnekleme ve alt örneklemeyi kullanarak bu görevleri hesaplama açısından daha verimli bir şekilde gerçekleştirirken, tahmin doğruluğu açısından mevcut yaklaşımlarla rekabet edebilen yeni algoritmalar öneriyoruz. Her algoritmayla birlikte, tahmin performanslarını gösteren hem teorik analizler hem de sayısal deneyler sağlıyoruz.
Özet (Çeviri)
Bayesian methods encompass a principled way of modeling, solving and analyzing various estimation and inference problems in data science. In this dissertation, we utilize a variety of Bayesian methods, such as posterior sampling, EM algorithm for mixture models, subsampling for prior probability estimation, to tackle a wide range of inferential problems. These problems include hyperparameter tuning in regularized linear models in supervised learning, robust regression, frequency estimation for dynamic/online datasets under global and local differential privacy frameworks. For each of these problems, we propose new algorithms that can compete with the existing approaches in terms of estimation accuracy, while performing these tasks in a computationally more efficient way via utilizing sampling and subsampling. Along with each algorithm, we also provide both theoretical analyses and numerical experiments that demonstrate their estimation performance.
Benzer Tezler
- Meteorolojik verilerin ısıl değerlendirilmesi ve bilgisayarda simülasyonu
Başlık çevirisi yok
KAYA SARICALI
- Multistage repeated inspection allocation with initially unknown defective probabilities
Başlık çevirisi yok
İNCİ PEKGÜLEÇ
- Kesikli parametreli homojen markov zincirleri ile iç göçlerin incelenmesi
The Examination of internal migration by discrete parameter homogeneous markov chains
ZEYNEP OKUR
Yüksek Lisans
Türkçe
1990
İstatistikGazi Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. SALİH ÇELEBİOĞLU
