关闭

机器学习 - MLE、MAP、BP

标签: 最大似然估计最大后验概率贝叶斯估计
585人阅读 评论(0) 收藏 举报
分类:

本文主要介绍的三类参数估计方法-最大似然估计MLE、最大后验概率估计MAP及贝叶斯估计。

首先说下我对MLE、MAP、BP的认识:


X表示给定的数据,theta表示待求的模型参数

首先说下上面四个概率的含义:

P(theta|X)—后验概率,这个后验概率指的是参数theta的后验概率,如果是分类问题,theta就是类别;如果是回归问题,theta就是权向量。

P(X)—全概率,其实是个归一化因子。这个不重要。

P(X|theta)—参数theta的先验概率。

P(X|theta)—条件概率,在MLE中叫似然

MLE:

MLE和MAP都是在最大化参数theta的后验概率。MLE简单粗暴,直接抛开了P(X)与P(theta),直接最大化P(X|theta)。为什么要这么做呢?首先P(X)自不必说,对所有参数或者分类都是一样的;对于P(theta),MLE认为这个值可以直接从数据中获取。比如给定的分类问题,每个数据都有label,只需要统计每个label下面数据的个数。然后算出每个theta的概率即可。然后上面我们也把P(X|theta)叫做似然,因此对其进行极大似然估计,算出theta即可。

MAP:

对于上述的MLE不知道我们有没有想过这样一个问题,假如数据不具有代表性怎么办?比如我们要估计抛硬币正面朝上的概率,现在随机扔了10次,结果发现10次全朝上,那么按照MLE的办法,P(theta)=1.但事实上,我们知道P(theta)=0.5,那么最后计算出来的后验概率的估计值将产生很大偏移???

因此MAP直接研究分子P(X|theta)P(theta),就避开了MLE的这个缺口。而这个参数先验P(theta)将使得我们的最终结果更加准确。具体说明见下。

BE:

贝叶斯估计实际上可以看做是一个生成式模型,MLE与MAP都是判别式模型。不同之处就在于上面MLE与MAP是直接在使后验概率最大,就是直接在求P(theta|X),在求的过程中得出了theta。但是这个概率的分布呢?我们不知道,因此BE就干了这个事儿——BE直接求P(theta|X)的概率分布。

1、最大似然估计MLE

首先回顾一下贝叶斯公式




这个公式也称为逆概率公式,可以将后验概率转化为基于似然函数和先验概率的计算表达式,即




最大似然估计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



由于有连乘运算,通常对似然函数取对数计算简便,即对数似然函数。最大似然估计问题可以写成




这是一个关于的函数,求解这个优化问题通常对求导,得到导数为0的极值点。该函数取得最大值是对应的的取值就是我们估计的模型参数。

以扔硬币的伯努利实验为例子,N次实验的结果服从二项分布,参数为P,即每次实验事件发生的概率,不妨设为是得到正面的概率。为了估计P,采用最大似然估计,似然函数可以写作



其中表示实验结果为i的次数。下面求似然函数的极值点,有




得到参数p的最大似然估计值为




可以看出二项分布中每次事件发的概率p就等于做N次独立重复随机试验中事件发生的概率。

如果我们做20次实验,出现正面12次,反面8次

那么根据最大似然估计得到参数值p为12/20 = 0.6。


2、最大后验估计MAP

最大后验估计与最大似然估计相似,不同点在于估计的函数中允许加入一个先验,也就是说此时不是要求似然函数最大,而是要求由贝叶斯公式计算出的整个后验概率最大,即




注意这里P(X)与参数无关,因此等价于要使分子最大。与最大似然估计相比,现在需要多加上一个先验分布概率的对数。在实际应用中,这个先验可以用来描述人们已经知道或者接受的普遍规律。例如在扔硬币的试验中,每次抛出正面发生的概率应该服从一个概率分布,这个概率在0.5处取得最大值,这个分布就是先验分布。先验分布的参数我们称为超参数(hyperparameter)即




同样的道理,当上述后验概率取得最大值时,我们就得到根据MAP估计出的参数值。给定观测到的样本数据,一个新的值发生的概率是



下面我们仍然以扔硬币的例子来说明,我们期望先验概率分布在0.5处取得最大值,我们可以选用Beta分布即




其中Beta函数展开是




当x为正整数时


\Gamma(n) = (n-1)!\,


Beta分布的随机变量范围是[0,1],所以可以生成normalised probability values。下图给出了不同参数情况下的Beta分布的概率密度函数


我们取,这样先验分布在0.5处取得最大值,现在我们来求解MAP估计函数的极值点,同样对p求导数我们有




得到参数p的的最大后验估计值为




和最大似然估计的结果对比可以发现结果中多了这样的pseudo-counts,这就是先验在起作用。并且超参数越大,为了改变先验分布传递的belief所需要的观察值就越多,此时对应的Beta函数越聚集,紧缩在其最大值两侧。

如果我们做20次实验,出现正面12次,反面8次,那么

那么根据MAP估计出来的参数p为16/28 = 0.571,小于最大似然估计得到的值0.6,这也显示了“硬币一般是两面均匀的”这一先验对参数估计的影响。


3 贝叶斯估计

贝叶斯估计是在MAP上做进一步拓展,此时不直接估计参数的值,而是允许参数服从一定概率分布。回顾一下贝叶斯公式




现在不是要求后验概率最大,这样就需要求,即观察到的evidence的概率,由全概率公式展开可得




当新的数据被观察到时,后验概率可以自动随之调整。但是通常这个全概率的求法是贝叶斯估计比较有技巧性的地方。

那么如何用贝叶斯估计来做预测呢?如果我们想求一个新值的概率,可以由




来计算。注意此时第二项因子在上的积分不再等于1,这就是和MLE及MAP很大的不同点。

我们仍然以扔硬币的伯努利实验为例来说明。和MAP中一样,我们假设先验分布为Beta分布,但是构造贝叶斯估计时,不是要求用后验最大时的参数来近似作为参数值,而是求满足Beta分布的参数p的期望,有




注意这里用到了公式




当T为二维的情形可以对Beta分布来应用;T为多维的情形可以对狄利克雷分布应用

根据结果可以知道,根据贝叶斯估计,参数p服从一个新的Beta分布。回忆一下,我们为p选取的先验分布是Beta分布,然后以p为参数的二项分布用贝叶斯估计得到的后验概率仍然服从Beta分布,由此我们说二项分布和Beta分布是共轭分布。在概率语言模型中,通常选取共轭分布作为先验,可以带来计算上的方便性。最典型的就是LDA中每个文档中词的Topic分布服从Multinomial分布,其先验选取共轭分布即Dirichlet分布;每个Topic下词的分布服从Multinomial分布,其先验也同样选取共轭分布即Dirichlet分布。

根据Beta分布的期望和方差计算公式,我们有




可以看出此时估计的p的期望和MLE ,MAP中得到的估计值都不同,此时如果仍然是做20次实验,12次正面,8次反面,那么我们根据贝叶斯估计得到的p满足参数为12+5和8+5的Beta分布,其均值和方差分别是17/30=0.567, 17*13/(31*30^2)=0.0079。可以看到此时求出的p的期望比MLE和MAP得到的估计值都小,更加接近0.5。

综上所述我们可以可视化MLE,MAP和贝叶斯估计对参数的估计结果如下

个人理解是,从MLE到MAP再到贝叶斯估计,对参数的表示越来越精确,得到的参数估计结果也越来越接近0.5这个先验概率,越来越能够反映基于样本的真实参数情况。


1
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:103768次
    • 积分:1896
    • 等级:
    • 排名:千里之外
    • 原创:110篇
    • 转载:50篇
    • 译文:0篇
    • 评论:3条
    博客专栏