9.5拓展阅读

文档摘要

9.5 拓展阅读在本章中，我们讨论了具有高斯似然和共轭高斯先验的线性回归模型的参数。这使得我们可以进行闭式贝叶斯推断。然而，在某些应用中，我们可能希望选择不同的似然函数。例如，在二分类设置中，我们观察到的只有两个可能的（分类）结果，高斯似然在这种情况下是不合适的。相反，我们可以选择伯努利似然，它将返回预测标签为1（或0）的概率。我们推荐Barber（2012）、Bishop（2006）和Murphy（2012）的书籍，以深入了解分类问题。另一个例子是计数数据。计数是非负整数，在这种情况下，二项分布或泊松分布比高斯分布是更好的选择。