本文介紹了一般貝葉斯框架通過稀疏來解決回歸和經(jīng)典任務(wù)中利用線性模型中參數(shù)。雖然這框架完全概括說明了,我們對一個特定專業(yè)的做法,這個特定專業(yè)就是我們指的“相關(guān)向量機( RVM )” 一個模型以相同的函數(shù)模型功能流行和最先進(jìn)的“支持向量機”( SVM) 。我們論證了利用概率貝葉斯學(xué)習(xí)的構(gòu)造,我們可以得出準(zhǔn)確的預(yù)測模式,這個模型相比SVM大幅減少了使用基底函數(shù),同時提供了一些其他優(yōu)點。這些優(yōu)點包括在效益指標(biāo)的概率預(yù)測,自動估算“nuisance”參數(shù),并利用該設(shè)施任意基函數(shù)(如:非`Mercer 的內(nèi)核)
標(biāo)簽:
貝葉斯
稀疏
回歸
參數(shù)
上傳時間:
2014-01-02
上傳用戶:dancnc