This is an old revision of the document!
但是,当前它通常被当做一个黑盒来使用
确定性 VS 几率性
机器学习 != 人工智能
最大似然, 最大化后验估计, 贝叶斯估计, 回归方法与过拟合问题
(图待上传)
θ^ = argθmax P(D|θ)
= arg<sub>θ</sub>max ln P(D|θ) = arg<sub>θ</sub>max ln(θ<sup>α<sub>H</sub></sup>(1-θ)<sup>α<sub>T</sub></sup> = arg<sub>θ</sub>max (α<sub>H</sub> ln θ + α<sub>T</sub> ln (1-θ))
θ^ = αT / αH + αT
= 3 / 2 + 3