PRML读书会一周年 Linear Models for Classification.pdfVIP

PRML （Pattern Recognition And Machine Learning ）读书会 第四章 Linear Models for Classification 主讲人 planktonli QQ 群177217565 读书会微信公众平台请扫描下面的二维码 planktonli(1027753147) 19:52:28 现在我们就开始讲第四章 ，第四章的内容是关于 线性分类模型 ，主要内容有四点: 1) Fisher 准则的分类,以及它和最小二乘分类的关系 (Fisher 分类是最小二乘分类的特例) 2) 概率生成模型的分类模型 3) 概率判别模型的分类模型 4) 全贝叶斯概率的 Laplace 近似 需要注意的是 ，有三种形式的贝叶斯 ： 1) 全贝叶斯 2) 经验贝叶斯 3) MAP 贝叶斯 我们大家熟知的是 MAP 贝叶斯 MAP(poor man’s Bayesian) ：丌涉及marginalization ，仅是一种按后验概率最大化的 point estimate。 这里的 MAP(poor man’s Bayesian)是属于 点概率估计的。而全贝叶斯可以看作对test 样本的所有