先驗機率和後驗機率
用P(h)表示在沒有訓練資料前假設h擁有的初始機率。P(h)被稱為h的先驗機率,是指根據以往經驗和分析得到的h的機率。類似地,P(X)表示訓練資料X的先驗機率,P(X|h)表示假設h成立時X的機率。機器學習中,我們關心的是P(h|X),即給定資料X時h的成立的機率,稱為h的後驗機率。
![](https://img.laitimes.com/img/9ZDMuAjOiMmIsIjOiQnIsIiclRnblN0LclHdpZXYyd2LcBzNvwVZ2x2bzNXak9CX90TQNNkRrFlQKBTSvwFbslmZvwFMwQzLcVmepNHdu9mZvwFVywUNMZTY18CX052bm9CX90zdOFzYq1ENVRVT4FEVkZXUYpVd1kmYr50MZV3YyI2cKJDT29GRjBjUIF2LcRHelR3LcJzLctmch1mclRXY39DM3QTOxIzMzIjNwQDM3EDMy8CX0Vmbu4GZzNmLn9Gbi1yZtl2Lc9CX6MHc0RHaiojIsJye.jpg)
MAP與MLE最大差別是MAP中加入了模型參數本身的機率分布(貝葉斯學派),或者說。MLE中認為模型參數本身的機率的是均勻的,即該機率為一個固定值(頻率學派)。
先驗機率和後驗機率
用P(h)表示在沒有訓練資料前假設h擁有的初始機率。P(h)被稱為h的先驗機率,是指根據以往經驗和分析得到的h的機率。類似地,P(X)表示訓練資料X的先驗機率,P(X|h)表示假設h成立時X的機率。機器學習中,我們關心的是P(h|X),即給定資料X時h的成立的機率,稱為h的後驗機率。
MAP與MLE最大差別是MAP中加入了模型參數本身的機率分布(貝葉斯學派),或者說。MLE中認為模型參數本身的機率的是均勻的,即該機率為一個固定值(頻率學派)。