理解极大似然估计(MLE)

Posted zongfa

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了理解极大似然估计(MLE)相关的知识,希望对你有一定的参考价值。

极大似然估计学习时总会觉得有点不可思议,为什么可以这么做,什么情况才可以用极大似然估计。本文旨在通俗理解MLE(Maximum Likelihood Estimate)。

 

一、极大似然估计的思想与举例

举个简单的栗子:在一个盒子里有白色黑色小球若干个,每次有放回地从里面哪一个球,已知抽到白球的概率可能为0.7或者0.3,但不清楚,现在抽取三次,三次都没有抽到白球,请问盒子中一次抽到白球的概率是多少?

这类栗子有一个共性,我们假设白球的概率为p,然后用它去计算已知发生的事情“三次都是黑球”使其发生的概率最大。已知p可能取值为0.7或者0.3,那我们两个值分别计算三次抽取为黑球的概率,谁的概率大我们就认为p的概率是多少。

p=0.3时,三次为黑球的概率 P = 0.7*0.7*0.7 = 0.342

p=0.7时,三次为黑球的概率 P = 0.3*0.3*0.3 = 0.027

可见p为0.3时事件三次抽取都为黑球发生的概率最大,所以我们认为盒子中取到白球的概率的极大似然估计为0.3。

再举个栗子:有两个男孩和一个女孩,已知两男孩中其中一个与女孩是兄妹,经过观察发现男孩A与女孩有点像,男孩B与女孩不像,那我们就会猜测男孩A和女孩是兄妹。

这就是用到了极大似然估计的思想即忽略低概率,认为高概率的为真实事件,或者去估计真实事件。

 

对于连续的问题,还是上面的小球例子,如果取到白球的概率为一个区间值[0.3, 0.7]。

求解:假设取到取到白球概率为p,则三次都为黑球的事件概率

P = (1-p)^3

P对p求导得:P‘ = -3(1-p)^2

令P‘ = 0,得p = 1,  因为 p 在[0.3, 0.7]之间,p<1时,P‘ < 0, 故在 p < 1区间内,函数P单调递减,所以p = 0.3时,P取到最大值。即事件发生的可能性最大,所以白球概率的极大似然估计为0.3。

 

二、总结

通过以上的分析,可以得出极大似然估计的通常解法,总体来说分为以下几步:
1、得到所要求的极大似然估计的概率p的范围
2、以p为自变量,推导出当前已知事件的概率函数式Q(p)
3、求出能使得Q(p)最大的p
这样便求出了极大似然估计值p

以上是关于理解极大似然估计(MLE)的主要内容,如果未能解决你的问题,请参考以下文章

机器学习基本理论详解最大似然估计(MLE)最大后验概率估计(MAP),以及贝叶斯公式的理解

详解最大似然估计(MLE)最大后验概率估计(MAP),以及贝叶斯公式的理解(转)

机器学习基础系列--先验概率 后验概率 似然函数 最大似然估计(MLE) 最大后验概率(MAE) 以及贝叶斯公式的理解

如何通俗的理解极大似然估计

极大似然的估计的理解

频率学派 极大似然估计MLE,贝叶斯学派 最大后验估计MAP 2021-05-11