贝叶斯统计正则化 Bayesian Statistics and Regularization
当我们使用最大似然估计算法Maximum Likelihood(ML)估计θ值时,就我们采用的估计方程为,在这一公式下,有两种学派表达了对θ的不同看法。
第一种成为"频率学派",频率学派认为θ是一个未知的常量,我们的工作便是通过各种统计方法估计θ。
另一种称为“贝叶斯学派”,贝叶斯学派认为θ是一个服从某一分布的变量,其值是未知的。在这一假设中,我们需要确认先验概率Prior Distribution P(θ)从而表达我们对参数θ出现的“信任程度”。给定训练集S={xi,yi;i=1,...,m},当我们需要对一个新的x进行预测时,我们首先计算在这一训练集下θ的先验概率