事实上，概率模型的训练过程就是参数估计(parameter estimation)的过程。对于参数的估计，统计学界的两个学派提供了不同的解决方案：频率主义学派(Frequentist)认为参数虽然未知，但却是客观存在的固定值，因此，可通过优化似然函数等准则来确定参数值；贝叶斯学派(Bayesian ...

一、 “探测仪，如果我问一个贝叶斯学派的统计学家如果……”“[掷]我是一个中微子探测仪，不是迷宫守卫。老实说，你是不是脑子坏掉了。”“[掷]...yes” 迷宫守卫的梗：说迷宫里有2条路，分别通向目的地和陷阱，路口各有一个守卫，一个只说真话一个只说假话，他们都知道路后面是什么以及彼此说话 ...

这里的频率学派，认为参数θ是一个常量 ，只有属于置信区间，或者∉置信区间，没有属于这个某个置信区间的概率是0.9的说法。 第一个意思是 整体分布的一个参数θ，取θ的某一个先验分布，计算在该先验分布的条件下的贝叶斯估计的值不能等于该θ在整体分布下面的值 ...

使用随机事件的发生的频率描写叙述概率的方法，就是通常说的古典概型。或者称为频率学派。另外有一个更加综合的观点就是贝叶斯学派。在贝叶斯学派的观点下概率表示的是事件的不确定性大小。 使用概率表示不确定性，尽管不是唯一的选择。可是是必定的，由于假设想使用 ...

频率学派（古典学派）和贝叶斯学派是数理统计领域的两大流派。 这两大流派对世界的认知有本质的不同：频率学派认为世界是确定的，有一个本体，这个本体的真值是不变的，我们的目标就是要找到这个真值或真值所在的范围；而贝叶斯学派认为世界是不确定的，人们对世界先有一个预判，而后通过观测数据对这个预判做调整 ...

回我们初次见识了统计学理论中的“独孤九剑”——贝叶斯统计学（戳这里回顾），它的起源便是大名鼎鼎的贝叶斯定理。 整个贝叶斯统计学的精髓可以用贝叶斯定理这一条式子来概括： 我们做数据分析，绝大多数情况下希望得到的是关于某种假说是否成立的信息。等式左边的P(参数 | 数据)，正是在观察到了手头上 ...

/*先把标题给写了、这样就能经常提醒自己*/ 题记：今天下午去上厕所的一会儿时间，就把第四章给扫完了，说是扫完了主要是因为没有深入去看，对于某些证明都直接跳过了，看了一下里面的例子，大概懂个意思就行了 1. 朴素贝叶斯法 　　设输入空间为维向量的集合，输出空间为类标记集合，输入特征向量，输出 ...

简述 利用观测到的x,利用先验概率和类条件概率，决定x属于哪一类 后验概率无法直接获得，因此我们需要找到方法来计算它，而解决方法就是引入贝叶斯公式。 贝叶斯理论 可以看出，贝叶斯公式是“由果溯因”的思想，当知道某件事的结果后，由结果推断这件事是由各个原因导致的概率 ...