- 博客(2)
- 收藏
- 关注
原创 对于伯努利模型的极大似然估计和贝叶斯估计的讨论
在伯努利模型中,极大似然估计的运用是通过最大化结果为成功(或为1)的概率的似然函数来估计参数p的值,从而估计结果为1的概率。但是贝叶斯估计考虑了先验分布和观测数据的不确定性,因此提供了一个更全面的参数估计,随着观测数据的增大或观测数据很大时,先验估计所占的比重会越来越小,最后两者趋于相同。根据后验概率分布P(θ|D),可以使用不同的方法来进行参数的估计,包括取后验分布的均值作为参数的估计值(即贝叶斯估计)、取后验分布的最大值作为参数的估计值(即最大后验估计,MAP估计)等。
2023-07-21 16:33:35
1005
1
原创 不使用深度模型框架,只利用Tensor和autograd来实现一个线性回归的训练,要求有输入输出。
详细过程附文件tensor_linear_regression.ipynb中,纯代码附文件tensor_linear_regression.py中。
2023-07-17 10:24:42
48
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人