对最小二乘法(Least Square)、最大似然估计( Maximum Likelihood Estimation)和最大后验估计之间的关系的整理。
一、最小二乘法
最小二乘法的本质就是找到一个估计值,使实际值与估计值的距离最小。而为了度量最小距离,只要使实际值与估计值之差的平方最小就好,下面就是最小二乘的表达式损失函数cost function,我们的目标就是求θ。
求解方法是通过梯度下降算法,通过训练数据不断迭代得到最终的值。
最小二乘的主要应用场景为回归分析,因为回归常用平方损失作为损失函数。
二,最大似然估计
1、似然函数的引出
我们从概率的角度考虑一下最小二乘求解原理,假设目标变量y和输入x的关系如下:
其中ε为误差项,假设服从正态分布,均值为0,标准差为σ,可以写成
我们带入上面的关系方程得到y的概率方程: