最大后验估计MAP是最常用的几个参数点估计之一,基本原理由贝叶斯定理而来,先看贝叶斯公式:
P ( θ ∣ x ) = P ( x ∣ θ ) P ( θ ) P ( x ) P\left(\theta \mid \boldsymbol x\right)=\frac{P\left(\boldsymbol x \mid \theta\right) P\left(\theta\right)}{P(\boldsymbol x)} P(θ∣x)=P(x)P(x∣θ)P(θ)
其中,我们将 P ( θ ) P\left(\theta\right) P(θ)称为先验概率,即在事情发生之前,根据以往的经验等推测未来此事件发生的概率;将 P ( θ ∣ x ) P\left(\theta\right|\boldsymbol x) P(θ
最大后验估计MAP
最新推荐文章于 2023-05-18 21:56:34 发布
最大后验估计MAP是参数点估计的重要方法,源于贝叶斯定理。通过最大化后验概率P(θ∣x),它结合了极大似然估计和先验概率P(θ)。在实际应用中,例如贝叶斯分类器,会选择后验概率最大的类别。MAP估计通过求解使P(X∣θ)p(θ)最大化的θ,忽略与θ无关的P(X)。这可以简化为寻找使L(θ∣X)+logp(θ)最大化的θ,从而确定参数的估计值。
摘要由CSDN通过智能技术生成