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