前言:介绍了最简单的

问题

(这里都是玩具数据,为了方便理解才列出)

0123456789101112

X

1

2

3

4

4.2

4.4

4.6

4.8

5

6

7

8

y

0

0

0

0

1

1

1

1

0

0

0

0

假设 x = 4.9 用科学的办法估计 y 的分类。

预备知识

高斯分布的概率密度函数

高斯分布的概率密度函数

理解

通常用「概率密度函数」代替概率,仅仅去比较大小。还有其他的分布,我也没有去深挖 :)。而不是直接求出概率。这非常重要!!!

求解问题

写出这个数据集的似然函数

还记得之前我们说过的「似然函数」吗?现在写出这个数据的「似然函数」

P(y=0 | x) = P(y=0 | x=1)P(y=0 | x=2)P(y=0 | x=3)P(y=0 | x=4)P(y=0 | x=5)P(y=0 | x=6)P(y=0 | x=7)P(y=0 | x=8)

P(y=1 | x) = P(y=1 | x=4.2)P(y=0 | x=4.4)P(y=0 | x=4.6)P(y=0 | x=4.8)

似然函数的本质描述出现这个情形的概率,最大化它即是是这个情形出现的概率最大。现在遇到了一个问题,我们无法写出等式左边的每一项。就更别谈最大化似然函数了。

常用的方法用概率密度函数替代概率。

比如:把 x = 1 带入概率密度函数代替 P(y=0 | x=1)。

所以最大化多个概率相乘变为了,最大化多个概率密度函数的相乘

最大化多个概率密度函数的相乘

取对数求导,并让导数为 0 。最后能得到一个非常舒适的结论。

最大化似然函数

解决问题

现在求得两组 (mu, sigma), (mu, sigma) 用来分别表示。

y = 1 时,最符合数据的概率密度函数 1

y = 0 时,最符合数据的概率密度函数 2

将 x = 4.9 分别带入函数 1、函数 2 中比较大小,最后确定 y 的类别。

最后总结

似然函数用来描述:已知情况的概率随参数变化的图像

最大化似然函数能得到,使这个情况出现概率最大的参数。

但是有时候,不能写出概率。常用概率密度函数代替概率。这非常重要。

如果假设高斯分布,那么通过「最大似然估计」会得到一个非常舒适的结果。见上述图片

最后结果的导出,使用概率密度函数来代替概率求解。

二维正态分布的最大似然估计_最大似然估计-高斯分布相关推荐

  1. 一维正态分布、二维正态分布的matlab实现

    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %本程序用于产生一维正态分布.二维正态分布 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% ...

  2. 二维正态分布matlab程序,一维正态分布、二维正态分布的matlab实现

    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %本程序用于产生一维正态分布.二维正态分布 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% ...

  3. 一维、二维正态分布概率密度曲线的绘制

    在MATLAB中使用 Y = normpdf(X,MU,SIGMA)函数求一维正态分布的概率密度,其中X为随机矢量,MU为期望,SIGMA为标准差 matlab代码如下: x=-8:0.1:8; y1 ...

  4. 概率论笔记(六)一维正态分布/二维正态分布/多维正态分布

    文章目录 一:一维正态分布 二:二维正态分布/多维正态分布 三:各向同性正态分布 一:一维正态分布 二:二维正态分布/多维正态分布 三:各向同性正态分布 各向同性的高斯分布(球形高斯分布)指的是各个方 ...

  5. 【概率论】5-10:二维正态分布(The Bivariate Normal Distributions)

    title: [概率论]5-10:二维正态分布(The Bivariate Normal Distributions) categories: - Mathematic - Probability k ...

  6. matlab画二维正态等密度曲线,matlab:画二维正态分布密度函数图

    首先,把二维正态分布密度函数的公式贴这里 这只图好大啊~~ 但是上面的那个是多维正态分布的密度函数的通式,那个n阶是对称正定方阵叫做协方差矩阵,其中的x,pi,u都是向量形式.虽然这个式子很酷,但是用 ...

  7. 证明二维正态分布中的参数ρ为相关系数

    在二维正态分布中,参数 ρ\rhoρ 被定义为随机变量 X,YX,YX,Y 的相关系数,即 ρ=r(x,y)\rho=r(x,y)ρ=r(x,y).由 r(x,y)=Cov(x,y)Var[x]Var ...

  8. 二维正态分布的参数与概率密度图形

    用 Microsoft Mathematics 绘制二维正态分布的概率密度图形,参数可以交互地调整. N(μ1, μ2; σ1, σ2, ρ) 下载 二维正态概率密度.gcw 然后点击重绘图形 μ1 ...

  9. python二维正态分布

    # -*- coding:utf-8 -*- import numpy as np from scipy import stats import math import matplotlib as m ...

  10. 机器视觉学习之--贝叶斯学习 MATLAB二维正态分布二维图

    1.贝叶斯介绍 我个人一直很喜欢算法一类的东西,在我看来算法是人类智慧的精华,其中蕴含着无与伦比的美感.而每次将学过的算法应用到实际中,并解决了实际问题后,那种快感更是我在其它地方体会不到的. 一直想 ...

最新文章

  1. avcodec_encode_video2 -22
  2. AJAX ControlToolkit学习日志-ResizableControlExtender(23)
  3. python之递归锁【Rlock】
  4. Log4j的组件和配置文件介绍
  5. P2597-[ZJOI2012]灾难【DAG支配树】
  6. SpringBoot如何切换Redis默认库
  7. 只有数学老师懂的15个泪流满面的瞬间~
  8. Spring Boot + Activiti 工作流框架搭建
  9. 最简单的基于FFmpeg的移动端例子:IOS 视频转码器
  10. toast弹窗_弹窗功能解析amp;设计指南 | 为弹窗正名
  11. Atitit btree 搜索原理 目录 第一节 左边小右边大 的有序树 1 第二节 平衡算法 1 第三节 层次高度一般3--4层 3 第四节 类似索引 3 第二章 Ref 5 第一节 左边小右
  12. ubuntu端口映射
  13. [转]高品质开源工具Chloe.ORM:支持存储过程与Oracle
  14. 编程语言之scala基础
  15. 开源软件的许可证(License)
  16. css中translation,css3 translate属性
  17. 纽扣电池命名(常规表述)
  18. html弹出式登录窗口(DIV悬浮窗口)实现
  19. 面向对象类与对象的关系
  20. css样式写一个公告通知

热门文章

  1. 用Excel分析豆瓣读书数据
  2. arcgis做dijkstra_改进的Dijkstra算法在GIS路径规划中的应用
  3. 开船后做cqc_用Simulaqron和CQC模拟分布式量子隐形传态
  4. Veritas NetBackup还原文件数据
  5. 武汉一起好面试心得体会
  6. 时间秒数转为hhmmss格式
  7. win7计算机连接xp计算机,局域网中xp怎么连接win7共享打印机
  8. 从零开始单排学设计模式「装饰模式」黑铁 I
  9. 什么是金融危机,表现在哪些地方
  10. word2vec关键词提取 python_【不可思议的Word2Vec】 3.提取关键词