一、从概率角度理解线性回归的优化目标
二、极大似然估计(最大似然估计或最大概似估计)
极大似然估计,只是一种概率论在统计学的应用,它是参数估计的方法之一。
已知某个随机样本满足某种概率分布,但是其中具体的参数不清楚,参数估计就是通过若干次试验,观察其结果,利用结果推出参数的大概值。
极大似然估计是建立在这样的思想上:已知某个参数能使这个样本出现的概率最大,我们当然不会再去选择其他小概率的样本,所以干脆就把这个参数作为估计的真实值。
通俗易懂解释极大似然估计,只需一句话:非洲人大部分都是黑人,所以当你看到黑人会下意识认为他是非洲人——这就是极大似然估计。当然,由于是极大似然的,所以对于小概率事件就失效了。
三、逻辑回归
四、贝叶斯公式
在夏季,某公园男性穿凉鞋的概率为 1/2 ,女性穿凉鞋的概率为 2/3 ,并且该公园中男女比例通常为 2:1 。
问题:若你在公园中随机遇到一个穿凉鞋的人,请问他的性别为男性或女性的概率分别为多少?