看艾薇的熊猫的博客

贝叶斯估计与极大似然估计在思想上有很大的不同，代表着统计学中贝叶斯学派和频率学派对统计的不同认识。极大似然估计是频率学派观点，它的观点可以这样理解：待估计参数θ\thetaθ是客观存在的，只是未知而已，已知观测样本 DDD，求得 θ^\hat{\theta}θ^，使得在 θ=θ^\theta = \hat{\theta}θ=θ^ 时，产生观测样本数据 DDD 的可能性最大，我们就说 θ^\hat...

之前在用的 TensorFlow 是 CPU 版本的，现在感觉虽然自己电脑的 GPU 没有多强，但还是很有用的，因此把 TensorFlow 换成了 GPU 版本的。安装过程比较顺利，但也有一些值得注意的地方，与大家分享下。安装 Anaconda也就是安装 Python 环境。

贝叶斯决策论设有 N 个类别，即 Y={c1,c2,...,cN}\mathbf Y=\{c_1,c_2,...,c_N\}，λij\lambda_{ij}是将一个实际为 cjc_j的样本标记为 cic_i的损失。那么，将样本 xx 分类为 cic_i 的期望损失为： R(ci|x)=∑j=1NλijP(cj|x)R(c_i|x)=\sum^N_{j=1}\lambda_{ij}P(c_j|x)

BP 算法是迄今最成功的神经网络学习算法，现实任务中使用神经网络时，大多是在使用 BP 算法进行训练。BP 算法允许来自代价函数的信息通过网络向后流动，以便计算梯度。