2003.12.18 机器学习-贝叶斯学习 作者：Mitchell 译者：曾华军等 讲者：陶晓鹏 4
贝叶斯学习方法的特性
•
观察到的每个训练样例可以增量地降低或升高某假设
的估计概率。而其他算法会在某个假设与任一样例不
一致时完全去掉该假设
•
先验知识可以与观察数据一起决定假设的最终概率，
先验知识的形式是： 1 ）每个候选假设的先验概率；
2 ）每个可能假设在可观察数据上的概率分布
•
贝叶斯方法可允许假设做出不确定性的预测
•
新的实例分类可由多个假设一起做出预测，用它们的
概率来加权
•
即使在贝叶斯方法计算复杂度较高时，它们仍可作为
一个最优的决策标准衡量其他方法
