@貝葉斯 / 博客 RSS 訂閱

Dec 11 2025

deephub - 機器學習超參數調優：十個實用的貝葉斯優化（Bayesian Optimization）進階技巧

貝葉斯優化（Bayesian Optimization, BO）雖然是超參數調優的利器，但在實際落地中往往會出現收斂慢、計算開銷大等問題。很多時候直接“裸跑”標準庫裏的 BO，效果甚至不如多跑幾次 Random Search。 所以要想真正發揮 BO 的威力，必須在搜索策略、先驗知識注入以及計算成本控制上做文章。本文整理了十個經過實戰驗證的技巧，能幫助優化器搜索得更“聰明”，收斂更快，顯著提升模型

機器學習 , 貝葉斯 , 人工智能 , 深度學習 , Python

收藏 評論

Nov 25 2025

mob64ca1406d617 - 最大後驗估計去模糊python代碼實現

基礎 頻率學派與貝葉斯學派 http://www.douban.com/group/topic/16719644/ http://www.zhihu.com/question/20587681 最大似然估計（Maximum likelihood estimation，MLE） http://baik

最大後驗估計去模糊python代碼實現 , 貝葉斯 , 後端開發 , 最大似然估計 , 似然 , 參數估計 , Python

收藏 評論

Nov 05 2025

deephub - Optuna v4.5新特性深度解析：GPSampler實現約束多目標優化

Optuna在8月18日發佈了最近的 v4.5版，加入了GPSampler的約束多目標優化功能，我們來看看這個新的功能。 基於高斯過程的貝葉斯優化（GPBO）最近幾年在材料科學、機器學習等領域應用很廣。GPSampler最初設計時就想做一個簡單好用的GPBO實現。雖然在定製方面（比如核函數、獲取函數）沒有BoTorch和Ax那麼靈活，但GPSampler勝在速度快，依賴少。 早期版本的GPSamp

機器學習 , 貝葉斯 , 教程 , 人工智能 , 優化

收藏 評論

Nov 07 2025

deephub - Python因果分析選哪個？六個貝葉斯推斷庫實測對比（含代碼示例）

Python 生態裏能用的因果庫有很多選哪個往往要看你對模型的理解程度，以及項目對“可解釋性”的要求。這篇文章將對比了六個目前社區中最常用的因果推斷庫：Bnlearn、Pgmpy、CausalNex、DoWhy、PyAgrum 和 CausalImpact。 貝葉斯因果模型 在因果推斷裏所有變量可以粗略分成兩種：驅動變量（driver variables）和乘客變量（passenger varia

機器學習 , 貝葉斯 , 人工智能 , Python

收藏 評論