最大似然估计与最大后验估计
0. 参考资料
主要参考如下:
周志华 《机器学习》第七章
CSDN@nebulaf91 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
CSDN@段子手实习生 最大似然估计和最大后验估计(转)
1. 似然函数
在统计学中,似然函数和概率函数是两个不同的概念。
对于这个函数:
表示一个具体的数据, 表示模型的参数。
如果 是已知确定的, 是变量,这个函数就叫做概率函数,它描述在给定 的条件下,对于不同的样本点 ,其出现
概率是多少。
如果 是已知确定的, 是变量,这个函数叫做似然函数,它描述对于不同的模型参数,出现 这个样本点的概率是多
少。
2. 最大似然估计
最大似然估计(maximum likelihood estimation,MLE)是频率学派使用的参数估计方法。
回顾一下贝叶斯公式:
它代表的意义是:
顾名思义,最大似然就是要用似然函数取到最大值时的参数值作为估计值,似然函数可以写做:
连乘操作容易造成数值的下溢,通常对似然函数取对数,即最大化对数似然。于是最大似然估计问题可以写成: