贝叶斯概率论

标签：alt   通过   logs   src   enter   概率论   img   解释   func   

一、贝叶斯定理的形式和解释:

它让我们能够通过后验概率p(W | D)，在观测到D之后估计W的不确定性。

贝叶斯定力右侧的量p(D | W)有观测数据集D来估计，可以被看成参数向量W的函数，被称为似然函数(likelihood function)。它表达了在不同参数向量W下，观测数据出现的可能性的大小。注意，似然函数不是w的概率分布，并且它关于w的积分并不一定等于1.

给定似然函数的定义，我们可以用自然语言表述贝叶斯定理：

贝叶斯概率论

标签：alt   通过   logs   src   enter   概率论   img   解释   func   

原文地址：http://www.cnblogs.com/jxc321/p/7497277.html