参数估计的不同解决方案

机器学习中，常需要用训练集训练模型，概率模型的训练过程就是参数估计过程。

对于参数估计，统计学界的两个学派分别提供了不同的解决方法。

频率主义学派（Frequentist）认为参数虽然未知，但却是客观存在的固定值，

因此，可通过优化似然函数等准则来确定参数值；

贝叶斯学派（Bayesian）则认为参数是未观察到的随机变量，其本身也可由分布，

因此，可假定参数服从一个先验分布，然后基于观测到的数据来计算参数的后验分布。

 

资料来源：周志华.机器学习[D].清华大学出版社.2016.149.