最大似然估计MLE(Max likelihood estimation)
最大似然估计是一种统计方法,从英文的直译来看,就是最大可能性估计。如何理解“最大可能性估计”呢?
设上面的函数为可能性的定义,则最大可能性估计就是就是求,取得上述函数最大值时的θ。(参考自百度百科)
此时,X看作样本集,θ看作模型,X是已知确定的,我们需要求在怎样的θ下,出现X这种样本的概率最大。
在实际处理中,一般将该问题用对数来简化
最大后验概率MAP(Max a posterior)
最大后验概率除了最大似然估计外还需要考虑P(θ)的值,即考虑先验概率P(θ)。最大后验概率估计则是想求使P(x|θ)P(θ)最大的θ。
MAP其实是最大化P(θ|x)=P(x|θ)P(θ)/P(x),但P(x)确定,所以省去分母P(x)。
贝叶斯公式与最大似然估计、最大后验概率的关系:
上式为贝叶斯公式。
其中,P(θ|x)为后验概率,即通过样本x得到参数θ的概率
P(x|θ)为可能性函数,即通过参数θ得到样本x的概率
P(θ)为先验概率,P(x)为样本发生的概率,即各种θ条件下发生的概率的积分。