2017年9月9日
概率论
摘要： 一、贝叶斯定理的形式和解释: $p(W \ | \ D) = \frac{p(D | W)p(W)}{p(D)}$ 它让我们能够通过后验概率p(W | D)，在观测到D之后估计W的不确定性。 贝叶斯定理右侧的量p(D | W)有观测数据集D来估计，可以被看成参数向量W的函数，被称为似然函数(like 阅读全文
posted @ 2017-09-09 10:02 佳星辰 阅读(539) 评论(0) 推荐(0)