本文取自于如下地址:https://v.douyin.com/iWouHXX/
下面有些简单的概念:
最大后验估计:MAP(Maximum A Posteriori Estimation)
最大似然估计:MLE(Maximum Likelihood Estimation)
先验和后验:
注意似然度和条件概率的关系,以及最大似然估计和最大后验估计的区别。
看懂了上图,也就明白了机器学习中的正则项的来历。当然,最小化正则项和最大后验的正则项还是有一些区别的。
置信度:正态分布,即先验值。
配分函数:P(x)
结构风险最小化:
频率学派与贝叶斯派的区别。
最大似然估计的计算方法:
最大似然估计与最小二乘法同解的前提条件是:统计随机变量服从正态分布。
参数估计的原则:无偏性,相合性,准确性。