贝叶斯公式
p
(
θ
∣
x
)
=
p
(
x
∣
θ
)
p
(
θ
)
p
(
x
)
p( \theta|x)=\frac {{p(x|\theta)}p{(\theta)}}{p(x)}
p(θ∣x)=p(x)p(x∣θ)p(θ)
x
x
x: 观测得到的数据(结果)
θ
\theta
θ: 决定数据分布的参数(原因)
p
(
θ
∣
x
)
p( \theta|x)
p(θ∣x): 后验概率,已知结果找原因
p
(
x
∣
θ
)
p(x|\theta)
p(x∣θ): 似然估计,已经原因求结果
p
(
θ
)
p(\theta)
p(θ): 先验分布,先于结果
p
(
x
)
p(x)
p(x): evidence(全概率公式)
(公式中的 “|”读作 given,即给定的意思。如P(A|B) 即A given B 的概率)
最大似然估计是在对被估计量没有任何先验知识的前提下求得的。如果已知被估计参数满足某种分布,则需要用到最大后验估计。