参数方法和非参数方法
来源:互联网 发布:linux 编辑 grub 编辑:程序博客网 时间:2024/06/05 05:01
参数方法和非参数方法
机器学习上的方法分为参数方法(根据先验知识假定模型服从某种分布,然后利用训练集估计出模型参数,也就弄清楚了整个模型,例如感知器)和非参数方法(基于记忆训练集,然后根据训练集预测,例如kNN)。
参数方法
参数方法根据先验知识假定模型服从某种分布,然后利用训练集估计出模型参数,也就弄清楚了整个模型。
那么,估计模型参数到底是一个客观存在的参数还是一个概率密度分布,这个分歧就引出了贝叶斯学派和非贝叶斯学派的不同之处。
非贝叶斯学派
非贝叶斯学派认为先验知识是指一组数据服从某个分布,那么分布的参数是客观存在的,可以利用数据做出估计,进而获得后验估计。典型代表方法是最大似然估计。
贝叶斯学派
贝叶斯学派认为,先验知识是数据服从某个分布和这个分布参数的先验概率密度,模型的参数本来就是一个概率分布,数据集可以获得参数的后验概率密度,进而获得后验估计。这种方法称为贝叶斯估计。
我学概率统计课程的时候对贝叶斯估计比价陌生,最近准备详细推导几个例题加深理解。对于贝叶斯估计,纸上得来终觉浅,还是推导几个例题较好。
贝叶斯决策理论
关于贝叶斯决策理论我之前学习学到过,博客里也总结过最小化期望风险的思想。
下面总结一下关联规则的一些度量。
关联规则
参数估计的泛化误差
泛化误差由方差和偏倚组成。
欠训练时,方差小,偏倚大,欠拟合。
过训练时,方差大,偏倚小,过拟合。
阅读全文
0 0
- 参数方法和非参数方法
- 常用的参数和非参数检验方法
- 非参数方法、参数方法与半参数方法
- 非参数方法、参数方法与半参数方法
- 参数方法(parameter)与非参数方法(nonparameter)
- 参数化方法与非参数化方法
- 参数和扩展方法
- 参数和方法重载
- 如何利用参数和非参数方法来检测异常值(I)
- PPT分享:非参数统计方法简介
- 非参数统计方法---摘自MIT课件
- 【机器学习】(8):非参数方法
- Hibernate validator限制参数非空方法
- 第二章 非参数轶方法
- 函数估计的非参数方法
- 两个比例的比较:参数方法(Z-test)和非参数方法(chi-square test)
- 方法参数 ,可变参数。
- 方法参数
- Android获取手机状态和监听手机来电状态
- SipApplicationSession过期时间初探
- How to start next activity if the top activity is stopped/killed
- linphone mediatreamer simple demo 之 录音
- webSocket概念
- 参数方法和非参数方法
- XML语法 XML解析
- 《珠珠图案》设计缘起,运行环境,授权,下载
- 图片上写字
- 二叉树(2)
- 图像语义分割的研究进展(课件PPT)
- 算法题目---求公司内员工的年龄排序---用空间换取时间O(n)
- Android Studio + NDK
- 手表半开箱,看不到表哦