最大后验概率&最大似然估计
Posted dannix
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了最大后验概率&最大似然估计相关的知识,希望对你有一定的参考价值。
问题是,已知样本结果D,求最大概率的参数$\theta $
最大后验概率(MAP):
求使$P(\theta |D)$最大的$\theta $;
$P(\theta |D)=\fracP(D|\theta )P(\theta )P(D)$
其中,P(D)为已知量,常量,因为样本结果已经定了;
求$max P(\theta |D)$,相当于求$maxP(D|\theta )P(\theta )$
最大似然估计(MLE):
相当于求$P(\theta )$为均匀分布时的$maxP(\theta |D)$;
即求$maxP(D|\theta )$;
似然函数$l(\theta)= P(D|\theta )=P(x_1,...,x_N|\theta )=\prod_i=1^NP(x_i|\theta )$
已知样本D,求$\theta$,样本间相互独立;
解法:求$Ln (l(\theta ))$,再求偏导,$\frac\partial Ln (l(\theta ))\partial \theta $
以上是关于最大后验概率&最大似然估计的主要内容,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
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
机器学习(二十五)— 极大似然估计贝叶斯估计最大后验概率估计区别