有一个样本的集合N,每个样本只有一个属性,换句话说这些点分布在X轴上。在潜在的空间中有很多概率分布会涵盖这些点,你可以想象成有各种各样的锅盖把这些点一个不漏的扣住。
注:这里我们不讨论是到底是连续分布还是离散分布。
最大似然估计求的就是这个概率分布的参数
θ;找个一个参数值,使得可以获得这样一组样本集合N的可以能性最大。
如何求解可以得到这个
呢?
一个自然的想法就是:在所有可能的θ取值中,逐个寻找,直到找到一个值
,能够让你获得观测数据x的“可能性”最大。
直到找到一个值
,能够让你获得观测数据x的“可能性”最大。
红色字体仔细想想其中的含义,
换句话说我们寻找的![](https://img-blog.csdn.net/20130609120023734)
就是
P(x, θ)最大:
----------------------------------------------------------------------------------------------------------------------------------
----------------------------------------------------------------------------------------------------------------------------------
于是我们得出了下面的公式:
这个公式也叫:
最大后验估计(maximum a posteriori probability estimate, 简称MAP)
是贝叶斯需要预测的概率值。
-----------------------------------------------------------------------------------------------------------------------------------
在最大似然估计中,
θ是未知的分布的随机变量,所以需要理解为P(
θ
)是均匀分布的,
即P(θ)=C。
与是公式变换一下变成了这个样子:
最大似然估计(maximum-likelihood estimation, 简称MLE)
-----------------------------------------------------------------------------------------------------------------------------------
下面来个具体的例子:
假设有五个袋子,各袋中都有无限量的饼干(樱桃口味或柠檬口味),已知五个袋子中两种口味的比例分别是
樱桃 100%
樱桃 75% + 柠檬 25%
樱桃 50% + 柠檬 50%
樱桃 25% + 柠檬 75%
柠檬 100%
如果只有如上所述条件,那问从同一个袋子中连续拿到2个柠檬饼干,那么这个袋子最有可能是上述五个的哪一个?
我们首先采用最大似然估计来解这个问题,写出似然函数。假设从袋子中能拿出柠檬饼干的概率为p(我们通过这个概率p来确定是从哪个袋子中拿出来的),则似然函数可以写作
![](https://i-blog.csdnimg.cn/blog_migrate/61659d9fdf50de6d9d624d532d85d8ef.jpeg)
由于p的取值是一个离散值,即上面描述中的0,25%,50%,75%,1。我们只需要评估一下这五个值哪个值使得似然函数最大即可,得到为袋子5。这里便是最大似然估计的结果。
答案这样表达,从同一个袋子中连续拿到2个柠檬饼干,最可能是从第5个袋子中取出来的。
到这里最大似然估计的问题我表达完了,很白痴吧。
------------------------------------------------------------------------------------------------------------------
上述最大似然估计有一个问题,就是没有考虑到模型本身的概率分布,下面我们扩展这个饼干的问题。
假设拿到袋子1或5的机率都是0.1,拿到2或4的机率都是0.2,拿到3的机率是0.4,那同样上述问题的答案呢?
如果这样表达问题,相当于多了一个先验概率那么就变成了求解最大后验概率的问题,我们根据公式写出我们的MAP函数。
![](https://i-blog.csdnimg.cn/blog_migrate/022aa14dc7b441192ed3ba1dd0d4b152.jpeg)
根据题意的描述可知,p的取值分别为0,25%,50%,75%,1,g的取值分别为0.1,0.2,0.4,0.2,0.1.分别计算出MAP函数的结果为:0,0.0125,0.1,0.1125,0.1.
由上可知,通过MAP估计可得结果是从第四个袋子中取得的最高。