PRML第三章笔记。
本文重构了PRML第三章,以一个更自然的顺序推导贝叶斯线性回归。
文中所述皆为自己理解,可能存在偏差。
一、 综述
本章主要讲贝叶斯线性回归。
线性回归的目标:
给定D维数据x(即书中input),预测其对应的t值(即书中target)。
如果要更具普遍性,给定D维数据x(即书中input),我们要预测p(t|x),有了这个概率,我们就可以表达对于t的不确定性。进一步来书哦,就可以在决策步骤使用这个p(t|x)。
二、 贝叶斯线性回归
已知:观测数据——N个D维向量x(即input values),及对应的N个t(即书中的target)
求:p(t|x, t)。(其中,x为新的inputvalue,黑体的t指观测到的数据,包括上面已知中的input及其对应的t)
(注:本文中的所有符号尽量和书中保持一致)