3.1 引言

| 机器学习 | | 特征矢量 , 贝叶斯 |

在第2.2.3.2中，我们讨论了如何对特征矢量 $\boldsymbol{x}$ 进行分类: 应用贝叶斯法则得到形如下式的生成式分类器:

p(y=c | \boldsymbol{x},\boldsymbol{\theta}) \propto p(\boldsymbol{x} | y=c ,\boldsymbol{\theta}) p(y=c |\boldsymbol{\theta}) \tag{3.1}

使用此模型的关键是指定一个合适的类条件密度 $p(\boldsymbol{x} | y=c ,\boldsymbol{\theta})$ ，它定义了在每一类中我们期望的数据类型。在本章中，我们关注离散情况下的数据。我们还讨论在此模型中如何推断未知参数 $\boldsymbol{\theta}$ 。