最大似然估计:通过事实推参数,随着事实的不断变化,参数也随之改变, 先假定一个参数,然后计算实验结果的概率是多少,概率越大的,那么这个假设的参数就越可能是真的。
贝叶斯:是考虑到了一方面,同时考虑到了另一方面。新信息出现A的概率=A概率*新信息带来的调整。就是在实践的过程中不断修正参数。
区别:
极大似然估计认为参数是客观不变的,通过事实逐渐接近他;
贝叶斯认为参数是随机的,靠样本估计它。
最大似然估计:通过事实推参数,随着事实的不断变化,参数也随之改变, 先假定一个参数,然后计算实验结果的概率是多少,概率越大的,那么这个假设的参数就越可能是真的。
贝叶斯:是考虑到了一方面,同时考虑到了另一方面。新信息出现A的概率=A概率*新信息带来的调整。就是在实践的过程中不断修正参数。
区别:
极大似然估计认为参数是客观不变的,通过事实逐渐接近他;
贝叶斯认为参数是随机的,靠样本估计它。