第三章 模式识别 - 最大似然估计和贝叶斯参数估计

第三章    最大似然估计和贝叶斯参数估计

    第二章的贝叶斯决策论中，在分类之前需要知道一些概率特征，包括类条件概率密度（似然函数）和先验概率。先验概率相对获知是比较容易的，而类条件概率密度就比较困难，原因有两点：

           1.训练样本少     2. 特征向量的维数较大，复杂度问题

    那如何估计类条件概率密度呢？如果事先知道类条件概率密度的分布，而只是分布的参数不知道，这样就可以把求未知函数转变为求未知参数！比如一条直线函数的参数（斜率），正态分布的参数（均值、方差）。

    通过转换，下面的任务就是求参数了，而最大似然估计和贝叶斯参数估计（不是贝叶斯决策）都是对参数进行估计的方法。