机器算法验证 - 贝叶斯规则中的“分母不包含任何θ依赖”是什么意思？ - 吾爱随笔录

机器算法验证贝叶斯数理统计定义不可缺少的

2022-03-31 09:21:52

每个讲座和书都说贝叶斯规则中的分母不依赖于参数。但是，分母也包括贝叶斯规则公式中的我只是不明白它到底在说什么。 $\theta$ $\theta$

1个回答

在贝叶斯公式中：

posterior = \frac{likelihood \cdot prior}{normalizing constant}

$\text{posterior} = \,\frac{\text{likelihood} \cdot \text{prior}}{\text{normalizing constant}}$

如果我们称观测值和参数，那么这等同于： $y$ $\theta$

p (θ | y) = \frac{p (y | θ) \cdot p (θ)}{p (y)}

$p(\theta | y) = \, \frac{p(y | \theta) \cdot p(\theta)}{p(y)}$

这里，归一化常数计算为： $p(y)$

p (y) = \int p (y | θ) \cdot p (θ) d θ

$p(y) = \int p(y | \theta) \cdot p(\theta) \,\mathrm{d}\theta$

由于您整合了（参数），因此分母不再依赖于它。 $\theta$

其它你可能感兴趣的问题