1.极大似然估计(也称最大似然估计)
模型和观察数据X已知,模型参数未知。假设所有采样都是独立同分布的,得到让观察样本出现的概率最大的参数。
的最大似然估计:
求最大似然函数估计值的一般步骤:
(1)写出似然函数;
(2)对似然函数取对数,并整理;
(3)求导数,令导数为0,得到似然方程;
(4)解似然方程,得到的参数即为所求
2.最大后验估计
是根据经验数据获得对难以观察的量的点估计。最大后验估计融入了要估计量的先验分布在其中,故最大后验估计可以看做规则化的最大似然估计。
最大后验估计和最大似然估计的区别:最大后验估计允许我们把先验知识加入到估计模型中,这在样本很少的时候是很有用的(因此朴素贝叶斯在较少的样本下就能有很好的表现),因为样本很少的时候我们的观测结果很可能出现