zoukankan      html  css  js  c++  java
  • 概率派VS贝叶斯派

    机器学习中的MLE和MAP两大学派的争论:

    频率学派 - Frequentist - Maximum Likelihood Estimation (MLE,最大似然估计):

    频率学派认为世界是确定的,有一个本体,这个本体的真值是不变的,我们的目标就是要找到这个真值或真值所在的范围。

    贝叶斯学派 - Bayesian - Maximum A Posteriori (MAP,最大后验估计)

    贝叶斯学派认为世界是不确定的,人们对世界先有一个预判,而后通过观测数据对这个预判做调整,我们的目标是要找到最优的描述这个世界的概率分布。

     在对事物建模时,用θ表示模型的参数,请注意,解决问题的本质就是求θ。那么:


    频率学派:存在唯一真值θ。当数据量趋于无穷时,这种方法能给出精准的估计;然而缺乏数据时则可能产生严重的偏差。


    贝叶斯学派: θ是一个随机变量,符合一定的概率分布。在贝叶斯学派里有两大输入和一大输出,输入是先验 (prior)和似然 (likelihood),输出是后验 (posterior)。

    先验,即P(θ),指的是在没有观测到任何数据时对θ的预先判断,似然,即P(X|θ),是假设θ已知后我们观察到的数据应该是什么样子的;后验,即P(θ|X),是最终的参数分布。

                                                                   

                                          随着数据量的增加,参数分布会越来越向数据靠拢,先验的影响力会越来越小

  • 相关阅读:
    将数字转换千分位分隔形式
    根据字符分割字符串的三种写法
    取出字符串中的汉字、字母或是数字
    生成n位随机字符串
    python中类的继承
    汇编语言与计算机体系结构
    DMA(direct memory access)直接内存访问
    数学归纳法证明时间复杂度
    具体名词的理解、单词的深意
    python的类和对象
  • 原文地址:https://www.cnblogs.com/focusonoutput/p/12057800.html
Copyright © 2011-2022 走看看