一、频率派 vs 贝叶斯派
机器学习主要解决从数据中获取其概率分布的问题，通过一些机器学习的算法可以从大量数据中找到一定的规律，从而建立模型来解决实际问题，因此机器学习中主要使用数据来求解其参数：
二、频率派
频率派认为参数
是一个固定的常数（constant），频率派常用的求解方法为极大似然估计法：
频率派的求解步骤为：1.建立模型；2.定义损失函数；3.最优化损失函数。
三、贝叶斯派
绪论|机器学习推导系列（一）
2022-06-06
121
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
绪论|机器学习推导系列（一）
目录
相关文章
|
机器学习/深度学习
|
机器学习/深度学习
人工智能
算法
|
机器学习/深度学习
算法
自动驾驶
|
机器学习/深度学习
算法
数据挖掘
|
机器学习/深度学习
数据采集
自然语言处理
|
机器学习/深度学习
人工智能
移动开发
|
机器学习/深度学习
人工智能
算法
|
机器学习/深度学习
算法
|
机器学习/深度学习
算法
数据挖掘
机器学习【西瓜书/南瓜书】--- 第1章绪论（学习笔记+公式推导）
本博客为博主在学习 机器学习【西瓜书 / 南瓜书】过程中的学习笔记，每一章都是对《西瓜书》、《南瓜书》内容的总结和提炼笔记，博客可以作为各位读者的辅助思考，也可以做为读者快读书籍的博文，本博客对西瓜书所涉及公式进行详细的推理以及讲解，本人认为，不推导公式所学得的知识是没有深度的，是很容易忘记的，有些公式推导起来并不复杂，只是被看似复杂的数学表达式所“吓唬”，希望大家拿上纸笔，跟着博主一起学习，一起推导。
252
0
0
|
机器学习/深度学习
存储
人工智能
热门文章
最新文章
1
一个易用且高效的基于 PyTorch 的 MoE 模型训练系统.
2
利用机器学习进行情感分析：技术详解与实践
3
【机器学习】如何根据训练集大小选择分类器？
4
机器学习的线性模型简介
5
极大降低大模型训练内存需求，Meta等推出高效方法
6
【机器学习】使用贝叶斯模型做分类时，可能会碰到什么问题？怎么解决？
7
阿里云PAI平台架构介绍
8
机器学习-异常检测算法（二）：Local Outlier Factor
9
回归算法全解析！一文读懂机器学习中的回归模型
10
图解机器学习 | 回归树模型详解
1
【Python机器学习专栏】Python环境下的机器学习库概览
116
2
【python】Python大豆特征数据分析 [机器学习版一]（代码+论文）【独一无二】
112
3
机器学习实战第3天：手写数字识别
194
4
机器学习库：numpy
86
5
机器学习第11天：降维
100
6
构建高效机器学习模型的五大技巧
94
7
构建高效机器学习模型：从数据预处理到模型优化
104
8
构建高效机器学习模型：从特征工程到模型调优
107
9
Machine Learning机器学习之贝叶斯网络(BayesianNetwork)
1375
10
Machine Learning机器学习之决策树算法 Decision Tree（附Python代码）
392