先验后验似然估计

最新推荐文章于 2022-07-27 20:42:11 发布

Tchunren

最新推荐文章于 2022-07-27 20:42:11 发布

阅读量1k

点赞数

分类专栏：概率论

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/t20134297/article/details/107334400

版权

概率论专栏收录该内容

1 篇文章 0 订阅

订阅专栏

对未知参数x的先验信息用一个分布形式 $p(x)$ 来表示，此分布 $p(x)$ 称为未知参数 $x$ 的先验分布。

结果是由某个原因导致的概率就是后验概率。

似然估计是根据原因推测该原因导致结果发生的概率。

$x$ : 表示观察得到的数据(结果)

$\theta$ : 决定数据分布的参数（原因）

$p(\theta )$ ： prior 先验 $p(\theta |x)$ ：posterior 后验概率

$p(x|\theta )$ ： likelihood 似然估计

$p(x)$ : evidence 关于x的概率统计信息。

MLE最大似然估计：

最大后验估计：

最大后验和最大似然在优化的时候，就在于最大后验的时候存在先验项 $-log(P(\theta ))$ .

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
先验后验似然估计

对未知参数x的先验信息用一个分布形式来表示，此分布称为未知参数的先验分布。结果是由某个原因导致的概率就是后验概率。似然估计是根据原因推测该原因导致结果发生的概率。...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。