林一二2021年12月14日 13:47
回忆一下，在水果盒子的例子中，水果种类的观察提供了相关的信息，改变了选择了红盒子的概率。在那个例子中，贝叶斯定理通过将观察到的数据融合，来把先验概率转化为后验概率。
正如我们将看到的，在我们对数量(例如多项式曲线拟 合例子中的参数w)进行推断时，我们可以采用一个类似的方法。
- 在观察到数据之前，我们有一些关于参数w的假设，这以先验概率 p(w) 的形式给出。
- 观测数据 D = {t1, . . . , tN } 的效果可以 通过条件概率 p(D | w) 表达，我们将在1.2.5节看到这个如何被显式地表达出来。贝叶斯定理是什么
- 它让我们能够通过后验概率 p(w | D) ，在观测到D之后估计w的不确定性。