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: Endüstri ve Endüstri Mühendisliği, İstatistik, Industrial and Industrial Engineering, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- 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: 150
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
- Posterior evidence on US inflation volatility dynamics using a phillips curve model with time varying trend inflation
A. B. D enflasyon oynaklık dinamiklerinin zamanla değişen enflasyon trendi kullanılarak tahminlenmesi
BEKİR BARAN
- Adscope: Intelligent scoping of paid search campaigns using relevance feedback
Adscope: Ücretli arama kampanyaları ı̇çin ı̇lişkili geri bildirimleri kullanarak akıllı kapsam belirleme
KEVSER NUR ÇOĞALMIŞ
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET BULUT
- Doz belirlemede klasik ve Bayesci yaklaşımların karşılaştırılması
Comparison of classical and Bayesian approach for determining dose
TUBA KOÇ
Doktora
Türkçe
2015
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MEHMET ALİ CENGİZ
- Akarsularda kurak dönem uzunluklarının frekans analizi
Frequency analysis of the length of dry term in stream flows
OKAN MERT KATİPOĞLU
Yüksek Lisans
Türkçe
2015
İnşaat MühendisliğiAtatürk Üniversitesiİnşaat Ana Bilim Dalı
DOÇ. DR. İBRAHİM CAN
- Denizel kökenli atık materyallerle antibiyotik taşıyıcılarının geliştirilmesi
Development of antibiotic carriers by materials based marine wastes
NURŞİN DONUT
Yüksek Lisans
Türkçe
2015
BiyoteknolojiDokuz Eylül ÜniversitesiBiyoteknoloji Ana Bilim Dalı
PROF. DR. LEVENT ÇAVAŞ