这篇博客探讨了Mitchell教授公开课中关于Logistic Regression和Naive Bayes的新理解，重点在于MAP（最大后验概率）与MLE（最大似然估计）的区别。MAP在估计参数时考虑了先验概率，而MLE仅基于训练数据。内容还提及了正则化的必要性及其来源，并比较了生成模型与判别模型的差异。
来自http://www.cs.cmu.edu/~tom/10701_sp11/
Mitchell老师的公开课ppt
MAP相对于MLE而言，给出了待估计参数的先验概率；MLE仅仅根据训练集训练参数，而不考虑参数的先验概率：
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
来自http://www.cs.cmu.edu/~tom/10701_sp11/
Mitchell老师的公开课ppt
MAP相对于MLE而言，给出了待估计参数的先验概率；MLE仅仅根据训练集训练参数，而不考虑参数的先验概率：
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
