贝叶斯学习的简单介绍

文章目录 贝叶斯学习 Bayesian Learning 一、介绍 1.1 先验概率 1.2 后验概率 二、贝叶斯理论 2.1 举例介绍 2.2 MAP假设 2.3 概率法则 三、最小描述长度假设 四、贝叶斯最优分类器 五、Gibbs算法 六、Bagging分类器 七、朴素贝叶斯分类器 八、贝叶斯信念网络 九、总结 贝叶斯学习 Bayesian Learning 一、介绍 贝叶斯概率论于1764年

>>阅读原文<<