本文介紹了一般貝葉斯框架通過(guò)稀疏來(lái)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(shuō)明了，我們對(duì)一個(gè)特定專(zhuān)業(yè)的做法，這個(gè)特定專(zhuān)業(yè)就是我們指的“相關(guān)向量機(jī)（ RVM ）” 一個(gè)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(jī)”（ 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(cè)模式，這個(gè)模型相比SVM大幅減少了使用基底函數(shù)，同時(shí)提供了一些其他優(yōu)點(diǎn)。這些優(yōu)點(diǎn)包括在效益指標(biāo)的概率預(yù)測(cè)，自動(dòng)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(shí)間：
2014-01-02
上傳用戶(hù)：dancnc
