機器學習 —— 基礎整理（一）貝葉斯決策論；二次判別函數；貝葉斯錯誤率；生成式模型的參數方法...

      本文簡單整理了以下內容： （一）貝葉斯決策論：最小錯誤率決策、最小風險決策；經驗風險與結構風險 （二）判別函數；生成式模型；多元高斯密度下的判別函數：線性判別函數LDF、二次判別函數QDF （三）貝葉斯錯誤率 （四）生成式模型的參數估計：貝葉斯學派與頻率學派；極大似然估計、最大後驗概率估計、貝葉斯估計；多元高斯密度下的參數估計 （五）樸素貝葉斯與文本分類（挪到了下一篇博客）   （一）

>>阅读原文<<