1樓：LiuXG
統計裡面，頻率派認為有客觀存在的引數，去找到那個引數(估計)
bayes派，腦子裡有個先驗分布(胡猜乙個分布)，之後有啥證據說啥話，不斷隨證據更新。證據越來越多，先驗胡猜佔比越來越小。最後就是後驗分布了
2樓：張華
你看的書選的不對吧。沒什麼所謂的頻率派和貝葉斯派。
頻率派你大概指極大似然估計，這是針對引數的估計。這個場景下，機器學習應用'事件頻率'去學習的時候，目標是試圖獲得乙個引數估值的結果。
貝葉斯演算法追求的是事件結果。即，當你獲取了一系列訓練資訊後（條件概率），這些資訊讓你相信某個事件（分類）表現得是最優的分類。
如果你上公升到''派''這個學術哲學上，極大似然估計是試圖構造乙個最優模型。算是連線主義。
而貝葉斯更多傾向於行為主義。
舉例而言（非常粗略的）你做個聊天機械人。對方問：嘿，美女，今天天氣怎麼樣。
頻率法確定對方問的是天氣引數後，計算/查詢了今天下雨/天晴的概率，回覆：今天天氣晴天，有點熱。
而貝葉斯法則是計算了訓練庫里大量回答，選了乙個它認為最常見的：你自己不會看？臭流氓，滾一邊去。
機器學習和深度學習的區別和聯絡？
深度學習只是機器學習的一小塊，只是現在發展的最火，導致其名聲在外。深度學習特指由神經網路構成的多層結構，層數少了就不叫深度學習了。但是除去深度學習，機器學習還有很多傳統方法，PCA，SVM，Clustering，Tree等等方法。就我個人而言，普通工作深度學習用的其實並不多，各種基於樹的模型用的更加...
學習python和機器學習演算法，深度學習演算法就是學不會，心情很壓抑怎麼辦？
陽光 不知道你多大年齡，阿姨我今年快48了，去年開始學習機器學習，深度學習，也經歷很多燒腦的日子，但是要相信自己，多去網上搜尋，書讀百遍其意自現，死磕到底，沒什麼學不會的，想想又不是讓你造原子彈 我執 看到這個題目我頓時會心一笑,彷彿見到了過去的自己.回答分割線 我想題主應該是想問怎麼快速的學習演算...
機器學習中Inference 和predict的區別是什麼
我是水 例句記錄。1 Skip Thought VectorsThe paragraph vector of 7 is an alternative to the above models in that it can learn unsupervised sentence representati...