[LG Aimers] Bayesian Analytics

 

LG Aimers 학습 내용을 정리한 글입니다.

 

 

1. Bayesian 원리 및 작동방식

 * Bayesian : p(궁금한대상|Data)

    사전확률(Prior) : P(parameters)

    Likelihood : P(Data|parameters)

    사후확률, 사후분포(Posterior) : P(parameters|Data) = Outcome ∝ Prior * Likelihood

 

2. Bayesian 추정 알고리즘

Estimate Joint Posterior Distribution of Parameters

MCMC(Markov Chain Monte Carlo) : Simulation을 사용해서 target distribution에 해당하는 값들을 얻어보는 것

  Algorithm 1. Gibbs Sampler

      조건확률이 주어져있을 때(Parameter의 Conditional 분포를 알 때)

      매번 iteration이 돌아갈 때마다 맞는 Draw라고 허용, all draws are accepted

  Algorithm 2. Metropolis-Hastings

      Parameter의 Conditional 분포를 모를 때

      매번 draw를 비교, some draws are accepted/rejected

 

3. Bayesian Analytics를 통한 문제해결 과정

 Hierarchical Bayesian Analysis for Heterogeneous Consumer Behavior

    Prediction : 수요예측

    Heterogeneity : 개인 고객별로 parameter가 다른 상태

    Conjoint Method : 현재 시장 내 제품에는 없는 새로운 feature 도입되었을 시의 수요에 대한 예측

 

 

 

출처 : https://www.lgaimers.ai/