摘要:
贝叶斯估计 极大似然估计,概率空间$(\Omega,F,P)\(,\)\Omega$代表元素,$F$代表$\sigma$-代数,$P$代表概率测度。$X$是随机变量,假定$X\sim p(x|\theta)\((密度函数中有\)\theta$作为参数),例如高斯分布等。将参数估计出来可以对随机变量有 阅读全文
摘要:
支持向量机 $Rn$空间中的点$x\in Rn$,超平面$f(x)=wTx+b=0,w\in Rn,b\in R$。 整个n维空间被分成两部分。$w$就是这个超平面的法向量。$w$指向的那个方向就是$f(x)$为正的那一部分。 点到超平面距离:\(\frac{|ax_0+by_0+c|}{\sqrt 阅读全文