就看那最后一行的公式,发现因果颠倒!抽象一下,是不是就是。。。
在某一组参数D下Ai事件发生的概率最大,就可以等同于 已经发生Ai事件下, 可能是D参数的最大概率,那么D不就是最优参数了?!!
也就是我们不看哪个参数使得数据最有可能发生,而是看哪个数据使得参数最大。混肴因果了。(eg. P( 肺癌|吸烟 )概率最大,那么P( 吸烟|肺癌 )极有可能发生)
P(x|θ)为似然函数,在参数θ下的x分布概率
所以后面为了得到最佳参数(哪个参数导致事件概率最大max{P(θ|x)}),我们就求这个参数下,样本已经发生的概率最大。就是max{P(x|θ)}。
拿到这个样本,就是发生这个事情。L表示样本发生的概率,就是像要发生的样子(似然函数)。因为是在不同参数θ下得到样本发生的概率,就可以写在一起。
可以理解成已知结果,求原因。
这里似然估计求得的方差是伪方差,因为其分母为n,相比于传统定义下的方差的分母为n-1
5 对不对,他是超参数,要交叉验证。