9.520：第20课
Bayesian解释Tomaso Poggio 和 Sayan Mukherjee
计  划 •正则化的Bayesian解释
•正则化因子的Bayesian解释
•二次型损失的Bayesian解释
•SVM损失的Bayesian解释
•MAP的一致性检查和对于二次型损失的平均解•从数据合成核：bayesian基础
•选择（被称为“对齐”）可看作核综合的特例
正则化可以理解为一种什么法RN，SVM，以及回归中的BPD的Bayesian解释
考虑
我们将会证明存在一个RN的Bayesian解释，其数据项（具有损失函数）是一个噪声模型。而稳定化子是函数f的假设空间上的先验知识。
定义
1.
{(,)}l i i D x y =，1,...,i l =是训练样本的集合
2. 给定样本g ，[|]l P f D 是函数f 的条件概率
3. 给定f ，[|]l P D f 是g 的条件概率，即，噪声模型
4. []P f 是随机场f 的先验概率
后验概率P f g可以通过应用如下Bayes规则计算。后验分布[|]
P D f为如果噪声是方差为σ的正态分布，则概率[|]
l
Z是归一化常数。
式中
l

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。