3.4 贝叶斯 模型比较
在这里插入图片描述
过拟合问题的解决方法:1. 通过使⽤交叉验证的方法设置正则化参数的值;2. 从多个模型中选择合适的⼀个。
本节内容:从贝叶斯的角度考虑模型选择的问题
本节结论:与最⼤似然估计相关联的过拟合问题,可以通过对模型的参数求和或者积分(模型证据)来避免。(不是点估计)
无过拟合问题的优点:
- 模型可直接在训练数据上⽐较,⽽不需要验证集。这使得所有的数据都能够被⽤于训练,并且避免了交叉验证中每个模型要运⾏多次训练过程的问题。
- 多个复杂度参数可以同时在训练过程中被确定。例如,在第7章的相关向量机(relevance vector machine),这是⼀个贝叶斯模型,它对于每个训练数据点都有⼀个复杂度参数。
3.4.1 模型平均
假设⽐较L个模型 {