푸어맨스 베이즈

Bagging or bootstrap aggregation averages a given procedure over many samples, to reduce its variance — a poor man’s Bayes

아 웃겨

http://jessica2.msri.org/attachments/10778/10778-boost.pdf

부스팅이랑 배깅이랑 정리할 겸 보던 자료.

In general Boosting ≻ Random Forests ≻ Bagging ≻ Single Tree.

부스팅은 버리질 않고 가중해서 평가하려고 하니까 메모리나 시간 소모가 많다. RF는 버리고 모으고 하는 식이라 정말 빠름. 이번에 BTGP 도 돌리고 하는데 제일 심각하게 느껴지는 게 시간였음. 내 랩탑이 결코 느린 편이 아닌데, 내 경우 처럼 자료 크기가 좀 크니 뭐 무한정 시간이 걸리는 느낌이다. 그나마 BTLM 은 잘 돌고, 예상했던 대로 peak 가 많이 보이는 결과를 보임. 천장에 눌리지 않아서 높은 값을 종종 잘 예측하나, 전체적인 퍼포먼스가 올라가진 않았다. 특이한 애들을 잘 파악해 내지만 전체적인 애들을 올바르게 평가하는 데는 부족한, 폴리나의 발레선생님 같은 거다 그러니까.  

요새 새로 만든 유머는 누가 어떻게 살고 있는지 물으면, 잡스님이 시킨 대로 살고 있어. stay hungry 해서 배고프고 stay foolish 해서 논문이 빨리 안 써져..  백 중에 구십 구는 웃었으나, 웃는 게 웃는 것 만은 아니지.
오늘도 스테이 헝가리 스테이 굴라쉬   

다시 푸어맨스 베이즈 하러 가자..