贝叶斯线性回归
来源:互联网 发布:js获取对象的key 编辑:程序博客网 时间:2024/06/01 10:48
贝叶斯线性回归
令为一组观测数据,它们独立同分布,且。其中是噪声,其服从高斯分布N(0, σ^2)。然后我们以此为依据,对点的输出的分布进行估计。
在一般的线性回归中,我们将参数θ视为一个未知的常数从而求它的值;而在贝叶斯线性回归中,我们将θ看作一个随机变量,所以在估计的时候估计的也是的分布。假定我们已经知道参数θ的先验分布,通常可以认为。有了观测数据和θ的先验分布,根据贝叶斯定理我们可以得到参数的后验估计:
有了参数的后验估计,从而可得到的分布:
当θ的先验分布为高斯分布时,考虑到误差也是高斯分布,可以将θ和作为联合高斯分布考虑。联合高斯分布的条件分布也是高斯分布,通过计算可得:
相比于一般的线性回归,贝叶斯线性回归预测的是输出值的分布,即对于每一个可能出现的,都有相应的置信度。
参考 http://blog.csdn.net/daunxx/article/details/51725086
0 0
- 贝叶斯线性回归/贝叶斯脊回归
- 3.3 贝叶斯线性回归
- 贝叶斯线性回归
- 贝叶斯线性回归
- 贝叶斯线性回归
- 贝叶斯线性回归(一)
- 贝叶斯线性回归小练习
- 线性回归
- 线性回归
- 线性回归
- 线性回归
- 线性回归
- 线性回归
- 线性回归
- 线性回归
- 线性回归
- 线性回归
- 线性回归
- Spring的基本特征和配置
- spring websocket的应用
- RecyclerView的Itme多布局与Itme的点击事件
- Mahout学习之Mahout简介、安装、配置、入门程序测试
- Java 创建线程的方式
- 贝叶斯线性回归
- 最新的布局飞快的到来,让我们探索牛逼的布局。Android Studio中ConstraintLayout的使用
- MFC线程间通信
- C++转换构造函数和隐式转换函数
- 为什么有了《技术协议》,还要《产品需求规格说明书》
- Android 应用瘦身实践,从 18MB 到 12.5MB
- matab中的向量,不管是行向量还是列向量都转换为行向量
- python通配符.
- zookeeper集群搭建