文章目录 1. 极大似然估计(MLE) 1.1 一维形式 1.1.1 μ \mu μ的求解 1.1.2 σ 2 \sigma^2 σ2的求解 1.2 无偏估计 vs 有偏估计 1.3 从概率密度角度观察 1.3.1 二维随机变量 1.4 高斯分布的局限性 1.4.1 参数量过多 1.4.2 单个高斯分布无法表示数据 高斯分布在统计机器学习中占有举足轻重的作用。比如线性高斯模型、卡曼滤波(本质上也是线性高斯模型)、PCA。 在卡曼滤波中相邻的隐变量服从线性高斯模型,如 z t − 1 z_{t-1} z