PR考试复习,刚好顺便整理一下。
贝叶斯估计,贝叶斯决策,它是个标准,评估的标准。
但是,用好它不容易,高维空间,估计出每个样本的概率密度分布不容易,
参数估计:
最大斯然估计,贝叶斯估计;前提,都是假设它是 正态分布,高斯分布。(ps:单值;不能处理多值情况)
但是如果,现实生活中它本身就不是正态分布,你这样估计就是不合理的。
非参数估计:(也可以处理多值)
可以用来估计条件概率密度(即似然),也可以直接用来估计后验。我们最重要的是介绍密度估计。
非参数估计:
优点:理论上,对任何数据都可以;可以用来估计似然,也可以直接用来估计后验。
直观,直接编程。不需要先验的知识,不需要知道数据的分布的形式。(VS:参数估计,)
缺点:但是当 样本非常少时,估计的不准 (样本要足够多。)
最