贝叶斯决策与学习
贝叶斯决策与MAP分类器
- 后验概率：
机器学习——第三章笔记 - 贝叶斯规则：
机器学习——第三章笔记 - MAP分类器：
机器学习——第三章笔记
MAP分类器：高斯观测概率
- 观测概率：单维高斯分布
机器学习——第三章笔记 - 决策边界：
机器学习——第三章笔记
决策风险与贝叶斯分类器
- 决策风险和损失的概念
机器学习——第三章笔记 机器学习——第三章笔记 - 风险评估
机器学习——第三章笔记
贝叶斯分类器
在MAP分类器的基础上，加入决策风险因素。
- 朴素贝叶斯分类器
机器学习——第三章笔记
最大似然估计
定义
- 目标函数
机器学习——第三章笔记 - 均值
机器学习——第三章笔记 - 协方差
机器学习——第三章笔记
最大似然的估计偏差
- 高斯分布均值的最大似然估计是无偏估计，协方差的最大似然估计是有偏估计。
贝叶斯估计
概念
KNN估计