假设我有（x，y）样本制作的训练集。
要应用生成算法，让我们说高斯判别，我必须假设
每个可能的西格玛 p(x|y) ~ Normal(mu, sigma)
或者我只需要知道x ~ Normal(mu, sigma)是否给出了y？
如何评估p（x | y）是否符合多元正态分布，足够好（达到阈值），以便使用生成算法？
答案 0 :(得分：5)
这是很多问题。
要应用生成算法，让我们说高斯 辨别力，我必须假设
每个可能的sigmap（x | y）〜正常（μ，sigma）
不，你必须假设某些mu，sigma对是真的。实际上你不知道mu和sigma是什么，所以你需要估计它（频率，最大似然/最大后验估计），或者甚至更好地将你对参数估计的不确定性纳入预测（贝叶斯方法论） ）。
如何评估p（x | y）是否遵循多元正态分布？
经典，使用拟合优度测试。但是，如果x的维数超过少数，那么这将不起作用，因为标准测试涉及箱中物品的数量，而高维度所需的箱数是天文数字，因此您的预期计数非常低。 / p>
更好的想法是说以下内容：我对x（条件）分布的建模有哪些选择？您可以使用模型比较技术比较这些选项。阅读模型检查和比较。
最后，你的最后一点：
对我来说使用生成算法是否足够（达到阈值）？
许多生成方法的悖论，例如Fisher的线性判别分析，以及朴素贝叶斯分类器，即使模型对数据不佳，分类器也可以很好地工作 。没有特别合理的理由说明为什么会出现这种情况，但许多人认为这是经验上的真实。它是否有效可以比假设的分布更好地解释数据更容易检查：只需将数据分成训练和测试并找出答案！