机器学习数学基础（偏差方差、最大似然估计、贝叶斯统计、MAP）

I can丶

于 2018-11-20 19:50:27 发布

阅读量971

点赞数 3

CC 4.0 BY-SA版权

分类专栏：应用数学基础文章标签：机器学习贝叶斯最大后验偏差方差最大似然

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/zhq9695/article/details/84308680

目录

最大似然估计

贝叶斯统计

最大后验概率

如果这篇文章对你有一点小小的帮助，请给个关注喔~我会非常开心的~

偏差方差

偏差的定义如下：

$\textup{bias}(\hat{\theta}_m)=\mathbb{E}(\hat{\theta}_m)-\theta$

如果 $\textup{bias}(\hat{\theta}_m)=0$ ，那么估计量被称为无偏估计。

如果 $\lim_{m\rightarrow \infty}\textup{bias}(\hat{\theta}_m)=0$ ，那么估计量被称为渐进无偏。

偏差度量偏差真实函数或参数的误差期望。

方差度量数据上任意采样可能导致的估计期望的偏差。

如下图所示（图源：深度学习）：

随着容量增加，偏差逐渐减

最低0.47元/天解锁文章

200万优质内容无限畅学

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

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。