Categoría: Jake Vanderplas

Debido a diversos obstáculos pragmáticos, es raro que un análisis crítico se realice de forma totalmente bayesiana, es decir, sin utilizar herramientas frecuentistas de eficacia probada en las distintas etapas. Más allá de la filosofía y la estética, la fiabilidad y la eficiencia de los cálculos subyacentes que requiere el marco bayesiano son los principales problemas prácticos. Un problema técnico fundamental es que resulta mucho más sencillo optimizar (de forma fiable y eficiente) en dimensiones elevadas que integrar en ellas. Por lo tanto, los métodos de aprendizaje automático más utilizados, si bien se están realizando esfuerzos para adaptarlos al marco bayesiano, se basan casi en su totalidad en métodos frecuentistas. Una solución alternativa es realizar inferencia MAP, que se basa en la optimización. En la práctica, la mayoría de los usuarios de métodos de estimación bayesiana suelen utilizar una combinación de herramientas bayesianas y frecuentistas. Lo contrario también es cierto: los analistas de datos frecuentistas, aunque se mantengan formalmente dentro del marco frecuentista, suelen estar influenciados por el «pensamiento bayesiano», que se refiere a las «distribuciones a priori» y las «distribuciones a posteriori». Lo más recomendable es probablemente conocer bien ambos paradigmas para poder tomar decisiones informadas sobre qué herramientas aplicar en cada situación.
– Jake Vanderplas –