贝叶斯估计、最大似然估计、最大后验概率估计的区别
似然函数和概率函数(很重要)
这个式子有两种解读方法:
把 theta 看成常量,而 x 为变量,此时式子为概率函数,表示在不同 x 出现的概率。
把 x 看成常量,theta 看成变量,此时式子为似然函数,表示在不同 theta 情况下,x 出现的概率。
最大似然估计(MLE)
是一种用来估计概率模型参数的方法,其思想是:找到使观测数据发生的概率最大值的参数。
我们所求解的是使 x 出现概率最大情况下的 theta 的取值。
最大后验概率估计(MAP)
上面讲了,最大似然估计是找到使得似然函数最大值情况下的 theta 的取值,也就是说,最大似然估计是把 theta 看成是一个固定的值,只是一开始并不知道,最终求出来一个值,一个数值!
然而,最大后验概率估计认为,theta 并不是一个值,而是一个随机变量,这个随机变量具有某种的概率分布(也即是先验分布),求解的时候不仅需要考虑似然函数,也同时要考虑这个先验分布。
所以最终我们所关心的是:
也就是上式取最大值时候的 theta 为所求。根据贝叶斯法则,上式可以转换为:
因此最大化的函数变成了 P( theta|x ),该式子也称为 theta 的后验概率,因此得名最大后验概率估计。
此时再回头看最大似然估计,他就是认为 theta 是一个固定的值,因此 theta 的概率分布为 P(theta) = 1。
所以,最大后验概率估计的步骤:
确定参数的先验概率分布以及似然函数
确定参数的后验概率分布
取对数,求导,最大值
贝叶斯估计
贝叶斯估计跟最大后验概率估计很像,都是把 theta 看成随机变量,但不同的是,贝叶斯估计并不是直接估算出 theta 的某个特定的值,而是估计 theta 的分布。
然而发现积分并不好求。如果使用共轭先验分布,就可以很好的解决这个问题。
共轭先验分布:在贝叶斯统计中,如果后验分布与先验分布属于同类,则先验分布与后验分布被称为共轭分布,而先验分布被称为似然函数的共轭先验。
注:二项分布参数的共轭先验是Beta分布,多项式分布参数的共轭先验是Dirichlet分布,指数分布参数的共轭先验是Gamma分布,⾼斯分布均值的共轭先验是另⼀个⾼斯分布,泊松分布的共轭先验是Gamma分布。
所以贝叶斯估计的步骤:
确定参数的似然函数
确定参数的先验分布(共轭先验分布)
确定参数的后验分布函数
贝叶斯求解参数的后验分布
贝叶斯估计、最大似然估计、最大后验概率估计的区别相关推荐
- 极大似然估计,最大后验概率估计(MAP),贝叶斯估计
1.贝叶斯公式 三种参数估计方法都和贝叶斯公式有关,因此首先从分析贝叶斯公式入手: 贝叶斯公式可以表达为: posterior:通过样本X得到参数的概率 likehood:通过参数得到样本X的概率 p ...
- 最大似然估计(MLE),最大后验概率估计(MAP),贝叶斯估计入门讲解
已知数据X,去拟合某个概率模型的参数θ,是最基本的机器学习过程. 本文将入门讲解3个最基本的方法:最大似然估计(Maximum Likelihood Estimation,简称MLE),最大后验概率估 ...
- 最大似然估计、最大后验概率估计和贝叶斯估计
本内容主要介绍概率论与统计学相关基础知识,主要涉及 联合概率.边缘概率和条件概率:贝叶斯公式.先验概率.后验概率和似然函数:最大似然估计.最大后验概率估计和贝叶斯估计 等.为机器学习中的贝叶斯分类 ...
- 贝叶斯公式的对数似然函数_贝叶斯估计、最大似然估计、最大后验概率估计
贝叶斯估计.最大似然估计(MLE).最大后验概率估计(MAP)这几个概念在机器学习和深度学习中经常碰到,读文章的时候还感觉挺明白,但独立思考时经常会傻傻分不清楚(
- 最大似然估计和最大后验概率估计的区别
最大似然估计(MLE) 1.似然函数:L(θ|x)=P(X=x|θ) ①物理意义:某次实验,θ取不同值时,出现X=x的结果的概率: ②似然函数是参数(θ)的函数: ③似然函数是条件转移概率. 例1:设 ...
- 【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 https://mp.weixin.qq.com/s/6H0gmMWvTExySMraroLVlQ 最 ...
- 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...
转载声明:本文为转载文章,发表于nebulaf91的csdn博客.欢迎转载,但请务必保留本信息,注明文章出处. 原文作者: nebulaf91 原文原始地址:http://blog.csdn.net ...
- 最大似然估计和最大后验概率估计的理解与求解
1. 最大似然估计的理解 最大似然估计(Maximum likelihood estimation, 简称MLE)和最大后验概率估计(Maximum a posteriori estimation, ...
- 机器学习:最大似然估计与最大后验概率估计
在机器学习领域,概率估计是经常用到的一种模型,而概率估计中,我们经常会看到两种估计模型,一种是最大似然估计,即 Maximum likelihood, 另外一种就是最大后验概率估计,即 Maximum ...
最新文章
- 机器学习数学 — 初等函数求导
- 避免 UNIX 和 Linux 中的常见错误
- golang python性能_Golang构建Python高性能模块
- scrum in agile development
- 【Unity3D与23种设计模式】模板方法模式(Template Method)
- mysql大数据量处理
- 月薪3万的python程序员都看了这本书
- C语言程序所以,C语言程序(1)
- 寻找亚马逊测评师邮箱_你真的会精细化运营吗?毫无保留地分享亚马逊运营小技巧,月入过万不是事...
- C#中窗体的数据传递
- MTK 如何更换开机 LOGO?
- 写好英语科技论文的诀窍: 主动迎合读者期望,预先回答专家可能质疑
- Matlab视觉处理模块定位控制全向轮小车运动:目标跟踪测试
- Linux0号进程,1号进程,2号进程
- 用思维导图和孩子们一起了解“什么是春节”
- py2exe找不到Python的解决方法
- python百科全书_【技术观点】手把手教你用Python读懂全球最大百科全书
- 基于微博的舆情监控系统 JAVA SSM MySQL
- Ubuntu上使用微信
- 陈景润4篇代表性数学论文
热门文章
- Git下载安装及环境配置,解决安装包下载慢问题(详细版)
- STM32 中的 GPIO_Pin_n与GPIO_Pinsource_n
- 汉字转首字母大写并排序
- 用360检查元素时怎么知道html文件名,360浏览器审查元素怎样用?360浏览器开发工具使用教程...
- ajax使用频率,AJAX轮询频率 - 要长期轮询还是不轮询长轮询?
- EOS系列 - EOS-VM
- Python中赋值的含义
- 二进制 真值 原码 反码 补码
- Linux 查看系统相关信息命令
- Java简介超详细整理,适合新手入门