katz_24 https://blog.hatena.ne.jp/katz_24/ katz's adversaria https://katz-24.hatenadiary.org/ 機械学習 資料 スライド モデル選択基準赤池情報量基準(AIC) AIC = -2 ln L + 2M Lは最大尤度、Mはモデルのパラメータ数AICが最小となるようにモデルを選択するベイズ情報量基準(BIC)AICに比べて複雑さに大きなペナルティを課す BIC = -2 ln L + M ln n Lは最大尤度、Mはモデルのパラメータ数、nは学習データの数最小記述長(MDL)MDL = BIC / 2 なので BIC と等価ベイズ線形回帰最小二乗法はパラメータaの分布が一切考慮されていない．これが過学習の生じる原因である． そこで、パラメータaの事前分布 π(a) を導入し、MAP推定を行う．マルコフ連… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fkatz-24.hatenadiary.org%2Fentry%2F20140227%2F1393511712" title=" パターン認識と機械学習入門 第3回 参加メモ - katz&#39;s adversaria" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2014-02-27 23:35:12 rich https://katz-24.hatenadiary.org/entry/20140227/1393511712 1.0 100%