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。
最低0.47元/天 解锁文章
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
