在机器学习的算法中,我们经常会见到“似然函数”这个概念。那么,什么是“似然函数”呢?
如果直接看似然的话,比较让人迷惑。但是如果看英文名“Likelihood function ”,就可以大体明白,是表明“可能性”的函数。
我们知道,通常情况下,我们是利用“概率”这个词来表名可能性的。比如:我们知道抛一枚硬币,其正面朝上的概率为p=0.5。那么,在我们抛3次时,其全部朝上的概率是:p=0.5*0.5*0.5 ,也就是说,这个3次全部向上的可能性是p。
那么似然所对应的可能性是什么呢?
假设另外一种情况:当我们连抛三次,出现三次都是向上的时候,那我们问,抛一次,朝上的概率是多少呢?或者说,抛一次朝上的可能性是多大呢?此时的可能性,指的就是似然。而最大似然,就是指把这种可能性进行最大化。
由此,我们可以看到两者的一些差异:
概率,是用于在已知一些参数的情况下,预测接下来的观测所得到的结果;
而似然性 则是用于在已知某些观测所得到的结果时,对有关事物的性质的参数进行估计。
在这里,参数可以是指单个的概率,也可以指某些像
θ
类的参数。
似然函数
最新推荐文章于 2024-07-16 18:17:09 发布