数据挖掘学习笔记1——MLE与MAP

MLE与MAP

之前学过概率论的贝叶斯公式，当时就当一个公式记了，真正的含义还是没懂，MLE也是，就当了一种方法记了。

看了这个说的很好：https://blog.csdn.net/u011508640/article/details/72815981

个人看完之后是这样理解的：

MAP：按照贝叶斯理论，结果A出现不一定是由我们认定的原因发生决定，可能有其它因素，其它因素统一通过先验概率P（x）表现出来。

MLE：结果发生就是由我们认定的原因决定的，所以想要知道结果发生的概率，最大化似然函数即可。

这样看起来MAP很好啊，但是有个问题，先验概率P（x）不是总能找得到的，多数情况下要估算，就不是很准，而且还要方便运算求最大值。

对于样本数少的情况，MLE可能会出现过拟合的情况，这个时候用MAP更好。