Unverified50% confidenceFactExact time

贝叶斯决策理论选择使期望损失最小化的行动a，即a=argmin_a E[L(θ,a)|x]，期望关于后验分布p(θ|x)计算

1

Sources

50%

Confidence

Long-term

Relevance

8/4/2026

First Seen

Sources

机器学习的数学基础：从Mitchell定义到概率视角全解析

Related Claims

Unverified线性回归的最小二乘损失与逻辑回归的交叉熵损失分别对应高斯噪声假设与伯努利分布假设下的最大似然估计66% similar Unverified贝叶斯最优分类器在0-1损失下等价于选择后验概率最大的类别，回归问题中条件期望在平方损失下是最优预测65% similar Unverified绝大多数常见损失函数都可以从最大似然估计推导出来65% similar Unverified假设数据服从高斯分布，最大化似然等价于最小化均方误差65% similar Unverified假设数据服从伯努利或多项分布，最大化似然等价于最小化交叉熵损失函数65% similar

Cite This Claim

Stable URI

https://kongchang.com/claim/680942

API

curl https://kongchang.com/api/v1/knowledge/claims/680942

MCP

get_claim(id=680942)