0. 基于贝叶斯公式的生成式分类器
生成式分类器(generative classifier)即是已知类别得样本:
p(y=c|x,θ)∝p(x|y=c,θ)p(y=c|θ)
p(x|y=c,θ) 称为类条件概率(class-conditional probability/density),定义了 每个类别(y=c)中我们所期待得到的数据是什么样的。上述公式的等式形式如下:
p(y=c|x,θ)=p(x|y=c,θ)p(y=c|θ)∑c′p(y=c′|θ)p(x|y=c′,θ)
这里仅以离散型随机变量为例,因此上述等式中是求和符号。
1. PMF(Probability Matrix Factorization)
某矩阵 R 可分解为两个低维矩阵的乘积
对一个近似矩阵进行分解R^=UTV要求近似矩阵 R^ 在观测到的评分部分和观测矩阵 R 尽量相似 为了防止过拟合,需要对
用贝叶斯观点来说,R 是观测到的值,
p(U,V|R)=p(U,V,R)/p(R)∝p(U,V,R)=p(R|U,V)p(U)p(V)