Bayes贝叶斯方法-均值和协方差参数估计及定理证明(一)
本文介绍了连续状态下的贝叶斯方法以及利用贝叶斯方法估计参数的方法:如协方差和X的均值,贝叶斯方法在机器学习中有很广泛的应用。
·
Bayes定理的连续形式
先验概率
观测值 Y
后验概率
协方差矩阵的贝叶斯方法估计
未知量的先验分布
,X为一组服从多元正态分布的向量;
的先验分布假设为服从
分布, 其中
为自由度,
为Wishart的协方差矩阵,d为维度;
先验分布概率密度函数
计算后验分布
多维正态分布的 概率密度函数为:
假设 i.i.d
tr(X):trace(X) 为矩阵X的迹,是对角线元素之和;tr(X)=∑xii
trace(X)的性质:
贝叶斯定理推测共轭分布
发现,先验和后验分布是共轭的Wishart分布.
更多推荐



所有评论(0)