3.4 貝葉斯 模型比較

在這里插入圖片描述

過擬合問題的解決方法：1. 通過使?交叉驗證的方法設置正則化參數的值；2. 從多個模型中選擇合適的?個。

本節內容：從貝葉斯的角度考慮模型選擇的問題
本節結論：與最?似然估計相關聯的過擬合問題，可以通過對模型的參數求和或者積分（模型證據）來避免。（不是點估計）
無過擬合問題的優點：

模型可直接在訓練數據上?較，?不需要驗證集。這使得所有的數據都能夠被?于訓練，并且避免了交叉驗證中每個模型要運?多次訓練過程的問題。

多個復雜度參數可以同時在訓練過程中被確定。例如，在第7章的相關向量機（relevance vector machine），這是?個貝葉斯模型，它對于每個訓練數據點都有?個復雜度參數。

3.4.1 模型平均

假設?較L個模型 {

總結

以上是生活随笔為你收集整理的3. 回归的线性模型（2）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。