没有合适的资源?快使用搜索试试~ 我知道了~
背景充分统计量以1 7他1 0)形成 1 0川 为参数向量- 1 1 0 )配分函数业1 0 1 胡 1 0 )是 归 化 因 ,也叫 配 分函数, 2 我 应
资源详情
资源评论
资源推荐
为了解决积分难计算的问题,⼀个思路是能否绕过积分呢?我们知道存在如下关系
在已知似然函数的情况下,选取什么样的先验分布能够使得后验分布与先验分布具有相同的数学形式呢?
如果存在这样的⼀个先验分布,那么上⼀时刻的输出可以作为下⼀时刻计算的先验分布,那么这样整个计算就可
以形成闭环。也就是说如果后验分布和先验分布是同分布,此时我们称先验分布和后验分布是共轭分布,且称先
验分布是似然函数的共轭先验。⽐如⾼斯分布家族在⾼斯似然函数下与其⾃身共轭,也叫⾃共轭。
共轭先验的好处主要在于代数上的⽅便性,可以直接给出后验分布的封闭形式,否则的话只能做数值计算。共轭
先验也有助于活的关于似然函数如何更新先验分布的直观印象。
⽆信息先验是指先验分布尽可能对对后验分布产⽣⼩的影响,即尽可能的随机性,其实就是最⼤熵原理。
⼋、
指数
族
分布
IExponentialF amigDistributi.nl
-
背景
充分
统计
量
以
1
7
)
⼆
hhpl
忤
化
)
-
A
1
7
"
他
⽐
1
0
)
𣏴
形成
1
0
⽐
⼀
川
为
参数
向量
,
XERP
1
-
1
⽉
⽐
1
0
)
⽐配
分
函数
业
A
(
7
)
:
hgparttnf-g.PL
ㄨ
1
0
1
⼆胡
⽐
1
0
)
⼜
是
归
化
因⼦
,
也
叫
配
分
函数
,
2
我
应
⼼
⽐
灿
:
炁
分
焦
计量
pcxlgke xp .ly
⼼
城
们
㶭
↳
以
⾼
斯
分布
为
何
,
我们
可
上
⼆
⽖
⼆⽉
⽐
1715
唙
州
》
=
2
1
0
以上
(
Ěì
A
以
⼆
192
常⻅的
:
点
砂
'
i
M
)
叫作
lgpartitonfunctim
䲜
湖
怖
|
统
试
即
表示
对
样本
的
统计
值
1
⼀项
分布
⼀
多项式
分布
I
"
充分
"
:
通过
上⾯
两个
统计
值
,
我们
可以
求得
均值
和
⽅差
,
故⽽
可
求
得
⾼
斯
分布
表达式
。
泊松分布
Beta
这种
性质
对于
onhneleamig
特别
有⽤
,
不⽤
再
存储
每个
样本
了
。
𡆇
ālii
:
鬣
𧅤
煍
"
I.
䆐
𠠬
-_-
线性
组合
nix
⼴义
线性
模型
中
liwkfunctioni
激活
函数
的
反
函数
重
鞻
概率
图
模型
䨻
䰞
"
以
指数
族
分布
下
㼂
管
器
戀
!
变
分
推断
后⾯
介绍
我要WhatYouNeed
- 粉丝: 42
- 资源: 287
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0