机器学习算法中的概率方法

AI 科技评论按，本文作者张皓，目前为南京大学计算机系机器学习与数据挖掘所（LAMDA）硕士生，研究方向为计算机视觉和机器学习，特别是视觉识别和深度学习。个人主页：http://lamda.nju.edu.cn/zhangh/。该文为其对 AI 科技评论的独家供稿，未经许可禁止转载。摘要本文介绍机器学习算法中的概率方法。概率方法会对数据的分布进行假设，对概率密度函数进行估计，并使用这个概率密度函数进行决策。本文介绍四种最常用的概率方法：线性回归 (用于回归任务)、对数几率回归 (用于二分类任务)、Softmax 回归 (用于多分类任务) 和朴素贝叶斯分类器 (用于多分类任务)。* 前三种方法属于判别式模型，而朴素贝叶斯分类器属于生成式模型。（*严格来说，前三者兼有多种解释，既 ………………………………