|
|
|
|
@ -1435,7 +1435,31 @@ X轴上的特征表示归一化后，是对某个特征增强10倍，其它不
|
|
|
|
|
|
|
|
|
|
**世界观的区别：**
|
|
|
|
|
|
|
|
|
|
统计学派：
|
|
|
|
|
**统计学派：**
|
|
|
|
|
|
|
|
|
|
- 观察到的数据被认为是随机的，因为它们是随机过程的实现,因此每次观察系统时都会发生变化。
|
|
|
|
|
|
|
|
|
|
- 模型参数认为是固定的。参数的值是未知的，但它们是固定的，因此我们对它们进行条件设置。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
概率推理通常涉及推导未知参数的估计，基于一些选择的最优性准则选择，如无偏性、方差最小化。
|
|
|
|
|
|
|
|
|
|
比如说，我在今天绝地求生里面吃鸡了的真假。定义参数θ：
|
|
|
|
|
|
|
|
|
|
- θ=1，吃鸡
|
|
|
|
|
- θ=0，没有。
|
|
|
|
|
|
|
|
|
|
那么频率派认为,θ是取值0或者1的固定数，不能说θ=1的概率是多少。
|
|
|
|
|
|
|
|
|
|
**贝叶斯学派：**
|
|
|
|
|
|
|
|
|
|
- 数据被认为是固定的。他们使用的是随机的，但是一旦他们被拿到手了，就不会改变
|
|
|
|
|
- 贝叶斯用概率分布来描述模型参数的不确定性，这样一来，他们就是随机的了
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
我们要得到的就是对应该数据所有参数的可能性(分布)的情况。
|
|
|
|
|
|
|
|
|
|
还是上面的例子，这回我们可以说θ=1概率是30%。而且随着所得样本的增多，我们可以把这个概率加以变化,得到θ|x的分布。这个概率其实是信心的含义。
|
|
|
|
|
|
|
|
|
|
|
benjas
5 years ago
