最大后验估计(Maximum-a-Posteriori (MAP) Estimation) 【转】

最大后验估计是根据经验数据获得对难以观察的量的点估计。与最大似然估计类似，但是最大的不同时，最大后验估计的融入了要估计量的先验分布在其中。故最大后验估计可以看做规则化的最大似然估计。

首先，我们回顾上篇文章中的最大似然估计，假设x为独立同分布的采样，θ为模型参数,f为我们所使用的模型。那么最大似然估计可以表示为：

现在，假设θ的先验分布为g。通过贝叶斯理论，对于θ的后验分布如下式所示：

最后验分布的目标为：

　　　　注：最大后验估计可以看做贝叶斯估计的一种特定形式。

　　举例来说：

　　假设有五个袋子，各袋中都有无限量的饼干(樱桃口味或柠檬口味)，已知五个袋子中两种口味的比例分别是

　　　　樱桃 100%

　　　　樱桃 75% + 柠檬 25%

　　　　樱桃 50% + 柠檬 50%

　　　　樱桃 25% + 柠檬 75%

　　　　柠檬 100%

　　如果只有如上所述条件，那问从同一个袋子中连续拿到2个柠檬饼干，那么这个袋子最有可能是上述五个的哪一个？

我们首先采用最大似然估计来解这个问题，写出似然函数。假设从袋子中能拿出柠檬饼干的概率为p(我们通过这个概率p来确定是从哪个袋子中拿出来的)，则似然函数可以写作

　　由于p的取值是一个离散值，即上面描述中的0,25%，50%，75%，1。我们只需要评估一下这五个值哪个值使得似然函数最大即可，得到为袋子5。这里便是最大似然估计的结果。

上述最大似然估计有一个问题，就是没有考虑到模型本身的概率分布，下面我们扩展这个饼干的问题。

假设拿到袋子1或5的机率都是0.1，拿到2或4的机率都是0.2，拿到3的机率是0.4，那同样上述问题的答案呢？这个时候就变MAP了。我们根据公式

写出我们的MAP函数。

根据题意的描述可知，p的取值分别为0,25%，50%，75%，1，g的取值分别为0.1，0.2,0.4,0.2,0.1.分别计算出MAP函数的结果为：0,0.0125,0.125,0.28125,0.1.由上可知，通过MAP估计可得结果是从第四个袋子中取得的最高。

　　上述都是离散的变量，那么连续的变量呢？假设为独立同分布的，μ有一个先验的概率分布为。那么我们想根据来找到μ的最大后验概率。根据前面的描述，写出MAP函数为：

　　此时我们在两边取对数可知。所求上式的最大值可以等同于求

　　的最小值。求导可得所求的μ为

　　以上便是对于连续变量的MAP求解的过程。

在MAP中我们应注意的是：

MAP与MLE最大区别是MAP中加入了模型参数本身的概率分布，或者说。MLE中认为模型参数本身的概率的是均匀的，即该概率为一个固定值。

转载于:https://www.cnblogs.com/easoncheng/archive/2012/11/08/2760675.html

最大后验估计(Maximum-a-Posteriori (MAP) Estimation) 【转】相关推荐

A example of Maximum A Posteriori (MAP) estimation
最大似然估计(Maximum Likehood Estimation，MLE)和最大后验估计(Maximum A Posteriori estimation， MAP)
概率与统计的区别概率研究的问题是一个模型和它的参数已知的情况下,怎么去预测这个模型产生的结果的特性(如均值,方差,协方差等) 统计研究的问题是在已有的大量的数据的情况下,推断产生这堆数据的模型及其参 ...
很好的例子理解区别 Maximum Likelihood (ML) Maximum a posteriori (MAP)
节食一定会瘦, 而食减肥药有一半机会瘦. P(瘦|节食)=1 P(瘦|食减肥药)=0.5 A女士很瘦. By Maximum Likelihood(ML),则A女士最大机会节食. 但如果 given ...
Maximum Likelihood (MLE) Maximum a posteriori (MAP)的分別
有趣且浅显易懂的举例刚刚在找MAP的资料,无意中找到有人写的一个有趣的文章,拿减肥当例子真的是浅显易懂 XD 如果拿 Artificial Intelligence: A Modern Approa ...
机器学习基础：最大似然（Maximum Likelihood）和最大后验估计（Maximum A Posteriori Estimation）的区别
前言在研究SoftMax交叉熵损失函数(Cross Entropy Loss Function)的时候,一种方法是从概率的角度来解释softmax cross entropy loss functi ...
【数学基础】参数估计之最大后验估计（Maximum A Posteriori，MAP）
前言,MLE与MAP的联系在前一篇文章参数估计之极大似然估计中提到过频率学派和贝叶斯学派的区别.如下图在极大似然估计(MLE)中,我们求参数,通过使得似然函数最大,此时为一个待估参数,其本身是确定 ...
最大后验概率（MAP）- maximum a posteriori（转载）
原文:http://student.csdn.net/space.php?uid=119638&do=blog&id=11801 在统计学中,最大后验(英文为Maximum a pos ...
最大后验概率（MAP）- maximum a posteriori
原文:http://student.csdn.net/space.php?uid=119638&do=blog&id=11801 在统计学中,最大后验(英文为Maximum a pos ...
极大后验概率（MAP）- maximum a posteriori（转载）
在统计学中,最大后验(英文为Maximum a posteriori,缩写为MAP)估计方法根据经验数据获得对难以观察的量的点估计.它与最大似然估计中的 Fisher 方法有密切关系,但是它使用了一个 ...
【转】最大后验概率（MAP）- maximum a posteriori
最大后验概率(MAP)- maximum a posteriori var $tag='map,最大后验概率,杂谈'; var $tag_code='55bc272ff71193850b39cc269 ...

最大后验估计(Maximum-a-Posteriori (MAP) Estimation) 【转】

最大后验估计(Maximum-a-Posteriori (MAP) Estimation) 【转】相关推荐

最新文章

热门文章