Week2 An Introduction to Machine Learning(Part B）

目录

一、机器学习 (ML) 的不确定性

 二、使用概率论测量不确定性（以投筛子为例，筛子可能不均匀）

三、Bootstrap-自助法(有放回重采样产生新数据)

四、贝叶斯方法在机器学习中的应用

五、KNN算法在逻辑回归中的应用例子（Tutorial）

---

一、机器学习 (ML) 的不确定性

1、不确定性的两大主要影响因素

（1）数据集里的噪点数据

（2）有限的数据集

2、概率论基础

（1）求和法则：

（2）连乘法则：

（3）贝叶斯理论：其中p(x）称为标准化常量（或者叫归一化常量），防止概率之和加起来超过1，p(y|x)称为后验概率（Posterior probability），p(x|y)称为似然概率（Likelihood probability），p(y)称为先验概率（Priori probability）