qiuzhijieluojianping的专栏

贝叶斯模型简介 在统计模型中经常需要使用估计一些参数，而大部分人都了解如何进行点估计，例如最大似然估计和矩估计。如果学过机器学习的人估计也会知道什么是最大后验估计MAP，也就是ˆθ=argmaxp(θ|D)。在贝叶斯模型中如何计算全面的后验分布式非常重要的，然后通过后验分布来计算一些未知的参数和知识。 对后验分布的总结 如果只用一个点估计来代表p(θ|D)这个后验的所有特性的话，

Gibbs Sampling是用来进行参数学习的一种重要手段，而对于这部分知识的学习并不是一个简单的过程，有很多人都是浅尝辄止，没有了解它的本质，本篇文章将为您讲解Gibbs Sampling的基本策略。 Some background      现在有一枚硬币，你抛掷10次这枚硬币，这时候，抛掷的结果是HHHHTTTTTT,这时候要你猜这枚硬币抛掷后出现正面的概率是多大，也许你会很自然的说，

1 统计学习时关于计算机基于数据构建概率统计模型并运用模型对数据进行分析与预测的一门学科，统计学习包括监督学习,非监督学习，半监督学习和强化学习。 2 统计学习方法三要素－－模型，策略，算法。多理解统计学习方法祈祷提纲挈领地作用。 3 监督学习可以概括如下：从给定有限训练数据出发，假设数据时独立同分布的，而且假设模型属于某个假设空间，应用某一评价准则，从假设空间中选取一个最优的模型，使他对已给