整体比较一下 MLE(最大似然估计), EM(期望最大值估计), MAP (最大后验概率)三者各自的应用场景,以及三者之间的关系。
一、MLE
MLE是在“模型已定,参数未知”的情况下根据给定观察序列(所有序列服从同一分布)估计模型参数的估计方法。模型参数的准确性,跟观察序列直接相关。
最大似然估计(MLE)的计算过程是:
(1) 写出似然函数(已知模型,即已知概率密度函数)
(2) 对似然函数取对数,并整理
(3) 求导数
(4) 解似然方程
Demo: 假设x为独立同分布高斯分布的采样, 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:
L( θ | x1, x2, … , xn) = f(x1, x2, … , xn | θ ) = ∏ni=1f(xi|θ)
左右两边取对数:
ln[L(θ|x1,x2,...,xn)]=∑ni=1ln[f(xi|θ)]
= - n2ln(2π) - nln(σ) - ∑ni=1(xi−μ)22σ2
对 θ 中的