事實上，概率模型的訓練過程就是參數估計(parameter estimation)的過程。對於參數的估計，統計學界的兩個學派提供了不同的解決方案：頻率主義學派(Frequentist)認為參數雖然未知，但卻是客觀存在的固定值，因此，可通過優化似然函數等准則來確定參數值；貝葉斯學派(Bayesian ...

這里的頻率學派，認為參數θ是一個常量 ，只有屬於置信區間，或者∉置信區間，沒有屬於這個某個置信區間的概率是0.9的說法。 第一個意思是 整體分布的一個參數θ，取θ的某一個先驗分布，計算在該先驗分布的條件下的貝葉斯估計的值不能等於該θ在整體分布下面的值 ...

對於技術應用人員來說，我們更看重方法的應用，但有時候對知識的背景做一些了解，我覺得還是挺有必要的，能幫助我們理解一些東西。這篇博文里，不會呈現任何計算公式，只是討論一下貝葉斯學派與頻率學派之間的問題。 貝葉斯學派與頻率學派是當今數理統計學的兩大學派，基於各自的理論 ...

頻率學派（古典學派）和貝葉斯學派是數理統計領域的兩大流派。 這兩大流派對世界的認知有本質的不同：頻率學派認為世界是確定的，有一個本體，這個本體的真值是不變的，我們的目標就是要找到這個真值或真值所在的范圍；而貝葉斯學派認為世界是不確定的，人們對世界先有一個預判，而后通過觀測數據對這個預判做調整 ...

使用隨機事件的發生的頻率描寫敘述概率的方法，就是通常說的古典概型。或者稱為頻率學派。另外有一個更加綜合的觀點就是貝葉斯學派。在貝葉斯學派的觀點下概率表示的是事件的不確定性大小。 使用概率表示不確定性，盡管不是唯一的選擇。可是是必定的，由於假設想使用 ...

朴素貝葉斯算法（Naive Bayes） 閱讀目錄 一、病人分類的例子 二、朴素貝葉斯分類器的公式 三、賬號分類的例子 四、性別分類的例子 　　生活中很多場合需要用到分類，比如新聞分類、病人分類等等。 　　本文 ...

1. 前言 說到朴素貝葉斯算法，首先牽扯到的一個概念是判別式和生成式。 判別式：就是直接學習出特征輸出\(Y\)和特征\(X\)之間的關系，如決策函數\(Y=f(X)\),或者從概率論的角度，求出條件分布\(P(Y|X)\)。代表算法有決策樹、KNN、邏輯回歸、支持向量機、隨機條件場 ...

本文為原創文章，轉載請注明出處：http://www.cnblogs.com/ycwang16/p/5995702.html 認知計算，還要從貝葉斯濾波的基本思想講起。這一部分，我們先回顧貝葉斯公式的數學基礎，然后再來介紹貝葉斯濾波器。 (一). 概率基礎回顧 我們先來回顧一下概率論里 ...