習題1.1
題目:說明伯努利模型的極大似然估計以及貝葉斯估計中的統計學習方法三要素。伯努利模型是定義在取值為0與1的随機變量上的機率分布。假設觀測到伯努利模型n次獨立的資料生成結果,其中k次的結果為1,這時可以用極大似然估計或貝葉斯估計來估計結果為1的機率。
上述采用了極大似然估計的思想,極大化後驗機率求解θ,此方法作為貝葉斯估計的一種近似解,有其存在的價值,因為貝葉斯估計中的後驗分布的計算往往是非常棘手的。是以MAP并非簡單地回到了極大似然估計,它依然利用了來自先驗的資訊,這些資訊無法從觀測樣本中得到。
習題1.2
題目:通過經驗風險最小化推導極大似然估計.證明模型是條件機率分布,當損失函數是對數損失函數時,經驗風險最小化等價于極大似然估計.
(以下不是書本課後作業,是我看的一個教學視訊裡的作業,作業1:極大似然估計,作業2:貝葉斯估計)
深度之眼作業1
深度之眼作業2
!!!剛剛開始學習完第一章,如果有錯,評論區幫忙指正謝謝大佬們,thanks~