摘要：从信息熵的角度讨论了无信息先验分布的Ｂａｙｅｓｉａｎ假设的合理性，着重分析了贝叶斯方法的计算学习机制，得出贝叶斯定理是将先验分布中的期望值与样本均值按各自的精度进行加权平均，精度越高者其权值越大，合理地综合了先验信息和后验信息。在共轭先验分布的前提下，可以将后验信息作为新的一轮计算的先验，用Ｂａｙｅｓｉａｎ定理与进一步得到的样本信息进行综合。多次重复这个过程后，样本信息的影响越来越显著。因此，合理

原文链接:http://www.cqvip.com//QK/93884X/200009/4609765.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）