貝葉斯摳圖的知識點的彙集
阿新 • • 發佈:2019-02-11
1.最小二乘法
最小二乘法的定義
簡單的定義:有一個點集,在座標軸上可以用一條直線 來進行擬合。通過點集上的點到直線的距離最小的和:
來確定這條直線是否為最合適的。
這種根據偏差的平方和為最小的條件來選擇常數a、b的方法就做最小二乘法。
多元函式的極值及其求法
設函式 在點 具有偏導數,且在點$ (x_0,y_0)$處有極值,則有
最小二乘法的求解方法
把上述的求和函式看成與自變數a和b相對應的因變數,可以歸結為函式
$ M=M(a,b)$
要求得M的最小值
可以通過以下的方程組進行求解a,b
\begin{cases}
M_a(a,b)=0,\
M_b(a,b)=0
\end{cases}
求得 a和b的值,就可以得到一個經驗公式進行值的估計。
2.全概率公式
全概率公式的條件:
設為有限或無限個事件,他們兩兩互斥且在每次試驗中至少發生一個,用式表之:
$B_iB_j=\varnothing(不可能時間),當i\neq j $
全概率公式如下:
一般理解,事件A時在條件下產生的,但時那種途徑時隨機的,所以事件A發生的綜合概率應該在的最大和最小值之間,但也不一定是算數平均,這裡取的是加權平均。
3.貝葉斯公式
貝葉斯公式推導
如果我們把事件A看成“結果”,把諸事件看成導致這結果的可能的“原因”,則可以形象地把全概率公式看作成為“由原因推結果”;而貝葉斯公式則恰好相反,起作用在於“由結果推原因”;現有一個結果“A”已經發生,在眾多可能的“原因”中,到底是哪一個導致了這結果?貝葉斯公式說,個原因可能性大小與成比例