随手小记（机器学习中的似然函数）

喝到没味的茶

已于 2024-04-25 16:42:46 修改

阅读量323

点赞数 10

分类专栏：统计学习方法文章标签：机器学习人工智能

于 2024-04-24 17:56:34 首次发布

本文链接：https://blog.csdn.net/qq894125916/article/details/138165257

版权

统计学习方法专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文通过硬币投掷的实例解析似然函数L(θ|x)，它衡量不同参数θ解释观测数据的合理性。似然函数用于估计参数，如硬币正面朝上的概率p，通过最大化似然函数找到最可能的估计值。

摘要由CSDN通过智能技术生成

似然函数的定义 = > L(θ | x) = L(x | θ)

今天从头学统计学习方法，乍一看一脸懵逼，概率论还给老师了，多次查阅资料后，死去的记忆终于复燃。随手记录一下。
首先，我们先看似然函数L(θ | x), 它所表示的意义是描述已经观察到的事件(x)，而参数(θ)是什么的可能性。
相信有很多人和我一样，看到这里还是有点蒙，下面我用一个看来的例子来解释它。

例子

假设我们有一个硬币，在投掷硬币的时候，正面朝上的概率是（p），背面朝上的概率是（1 - p）。
如果投掷了5次后我们观察到了3次正面和2次反面，那么它的似然函数可以写作:
在这里插入图片描述
我们怎么理解 “这个函数描述了在观察到3次正面和2次反面后，不同的P值有多合理” 这句话呢？
我们先捋一下式子中各个变量的意思，其中，P是正面朝上的概率，data表示的是观察到的3次正面和2次反面的这个投掷事件。
那么似然函数 L(P | data)就是表示，在给定事件data的情况下，去猜这个正面朝上的概率（p）的大小的一个函数，也是用来检验 P 是否合理的函数。在这个例子中，5次投掷，3次朝上，2次朝下，那么当 p = 0.6的时候，这个函数取得一个最大值，表示这个 p 的值比较合理，最有可能是发生data这个事件时，p 的概率。而当 p = 0.1时，这时这个函数取一个很小的值，这就表示这个 p 的值很不合理，几乎不可能是发生 data 这个事件的概率。
总结来说，似然函数是一个用于估计参数 p 的工具，它衡量了不同 p 值在解释观测数据时的合理性或可能性。通过最大化似然函数，我们可以得到 p 的最可能估计值。