PRMLPRML笔记之LINEAR MODELS FOR REGRESSION

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）