生成式模型
每个类别内部的分布假设为高斯分布
使用likelihood计算高斯分布的参数
使用微分可以求解
高斯分布中的方差，不同类别可以共享一个，减少参数量
共享方差会得到线性的boundary
如果不考虑特征之间的关系，即方差只有对角线，则为Naive Bayes classification，即特征独立分布
先验分布可以推出来sigmoid function
这解释了为什么共用方差会得到线性boundary
相关文章：
相似解决方案
热门标签
生成式模型
每个类别内部的分布假设为高斯分布
使用likelihood计算高斯分布的参数
使用微分可以求解
高斯分布中的方差，不同类别可以共享一个，减少参数量
共享方差会得到线性的boundary
如果不考虑特征之间的关系，即方差只有对角线，则为Naive Bayes classification，即特征独立分布
先验分布可以推出来sigmoid function
这解释了为什么共用方差会得到线性boundary
相关文章：