简介 贝叶斯学习算法与机器学习相关的两个原因: 贝叶斯学习算法能够计算显示的假设概率,比如朴 素贝叶斯分类 贝叶斯方法为理解多数学习算法提供了一种有效的 手段,而这些算法不一定直接操纵概率数据,比如 ·Find-S 候选消除算法 ·神经网络学习:选择使误差平方和最小化的神经网络 推导出另一种误差函数:交叉熵 分析了决策树的归纳偏置 ·考察了最小描述长度原则 2003.12.18 机器学习-贝叶斯学习作者: Mitchel译者:曾华军等讲者:陶晓鹏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 3 简介 • 贝叶斯学习算法与机器学习相关的两个原因： – 贝叶斯学习算法能够计算显示的假设概率，比如朴 素贝叶斯分类 – 贝叶斯方法为理解多数学习算法提供了一种有效的 手段，而这些算法不一定直接操纵概率数据，比如 • Find-S • 候选消除算法 • 神经网络学习：选择使误差平方和最小化的神经网络 • 推导出另一种误差函数：交叉熵 • 分析了决策树的归纳偏置 • 考察了最小描述长度原则