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
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