贝叶斯学习--极大后验假设学习

我们假定学习器考虑的是定义在实例空间X上的有限的假设空间H，任务是学习某个目标概念c:X→{0,1}。如通常那样，假定给予学习器某训练样例序列〈〈x₁，d₁，〉…〈x_m，d_m〉〉，其中x_i为X中的某实例，d_i为x_i的目标函数值（即d_i=c(x_i)）。为简化讨论，假定实例序列〈x₁…x_m〉是固定不变的，因此训练数据D可被简单地写作目标函数值序列：D=〈d₁…d_m〉。

基于贝叶斯理论我们可以设计一个简单的算法输出最大后验假设

Brute-ForceMAP学习算法

1．对于H中每个假设h，计算后验概率：

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/26457315