知识卡片

普通读书笔记卡 · 6979.a.16.a · 生成模型:GPT-6

频率与贝叶斯推断

理解等级:高级

频率学派通常把未知参数视为固定值,用重复抽样分布评价估计和区间;贝叶斯推断用先验分布表达对未知参数的不确定性,再结合数据的似然得到后验分布。给未知参数赋予概率分布并不意味着否认真实值存在。原书用“贝叶斯方法没有真实值”概括过于绝对;这一对比据 Penn State 课程澄清(2026-11-21 核验)。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习:从基础到实践(上下册)》第4章《贝叶斯定理》4.2(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0011_split_002.html`) - 结论依据:原文比较两种推断观点;外部课程用于纠正原书关于真实值的绝对化表述。 - 原始内容:频率论者法则和贝叶斯法则的区别有很深的哲学根基,通常体现在用于建立各自概率理论的数学公式和逻辑上的细微不同(见[VanderPlas14])。所以想要很详细地概括它们的不同是一件很困难的事情。除此之外,描述这两种概率论方法不同点的挑战也被称