十分钟学习极大似然估计

前言

参数估计是机器学习里面的一个重要主题，而极大似然估计是最传统、使用最广泛的估计方法之一。

本文主要介绍了极大似然估计，简单说明了其和矩估计、贝叶斯估计的异同，其他估计（如MAP）并不涉及。

这里是我的个人网站：
https://endlesslethe.com/easy-to-learn-mle.html
有更多总结分享，最新更新也只会发布在我的个人网站上。排版也可能会更好看一点=v=

为什么要用极大似然估计

对于一系列观察数据，我们常常可以找到一个具体分布来描述，但不清楚分布的参数。这时候我们就需要用极大似然估计来求解这个分布的参数。换句话说，极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。

极大似然估计概述

下面结合一个例子介绍极大似然估计法的思想和方法:

设一个袋子中有黑、白两种球，摸到白球的概率为p，现在要估计p的值。
我们令总体X为
\[
X = \left.
\begin{cases}
0,\quad 从袋中取得一白球,\\
1,\quad 从袋中取得一黑球.\\
\end{cases}
\right.
\]
则X服从01分布\(B(1,p)\)。

我们先进行有放回地摸球10次，其结果可用随机变量\(x_i\)表示，则\(x_1,x_2,⋯,x_10\)是来自总体X的一个样本。其值=(1,0,1,0,0,0,1,0,0,0)，则似然函数为\(L§=p^3 (1−p)^7\)。

极大似然估计其实是理想地认为，对于极少的样本观测，我们观测到的样本很可能就是发生概率最大的。

似然函数\(L§\)是每个样本出现概率的乘积=\(\prod_{i=1}^N {P({x_i})}\)，因为显然样本是独立同分布的。
根据极大似然估计的思想，我们需要让\(L§\)最大，把这时对应的\(\hat p\)作为我们的估计值。

求解\(L§\)的最大值点\(\hat p\)，可由一阶导数\[\frac{dL§}{dp}=0\]确定。更一般的，我们通常可以假设白球出现次数为k，可以解得\[\hat p = \frac{k}{N}\]
这里带入\(k=3\)得\(\hat p=0.3\)，所以我们把0.3作为摸到白球的概率。

值得注意的是，根据似然函数来求解参数的过程，与样本数量是无关的。我们可以使用变量\(x_i\)来描述样本观测值，并将模型参数\(\theta\)用来\(x_i\)表示。当样本较少时，极大似然估计偏差较大。但随着样本的增多（样本逐渐靠近总体分布），偏差慢慢减少为0。这意味着，极大似然估计是非常普适的。

实际上，即使直观上“极大似然估计”似乎是非常自然的想法，但它能在统计学中拥有堪比牛顿力学在物理学中的地位，是因为这种朴素的想法背后蕴含了估计量的泛函不变性、相合性、渐近有效性和渐进正态等诸多逆天的性质。

Note：极大似然估计暗合了切比雪夫大数定律。比如在这个例子中，如果放回次数变得极大，那么根据大数定律也有\(\hat p = \frac{k}{N}\) 。所以在用“局部估计整体”时，可以说使用了极大似然估计法，也可以说根据大数定律。

极大似然估计的具体步骤

我们需要做四步：表示似然函数、假设样本观测值、求解方程和代入数据。

似然函数

对于离散型和连续型随机变量，极大似然估计值\(\hat \theta\)都满足：
\[L(\hat \theta)=\max{L(\theta)}\]
只不过似然函数\(L(\theta)\)的表示方式略有不同：
离散型随机变量的似然函数是\(L(\theta) = \prod_{i=1}^N P({x_i})\)，而连续型是\(L(\theta) = \prod_{i=1}^N f({x_i})\)。

样本假设

假设样本观测值为\(x_i\)

求解方程

由定义可知，估计值可由一阶导数\[\frac{dL§}{dp}=0\]解得。但由于lnL和L在同一位置取得最大值，所以极大似然估计值也可以由对数似然方程\[\frac{d(\ln{L§})}{dp}=0\]解得。

深入的数理统计理论可以证明：当总体分布服从单峰分布时，如果上两式有解，则其解就是θ的极大似然估计值。
Note：当方程无解时，应从定义出发，考虑\(L(\theta)\)的单调性，找到\(\max{L(\theta)}\)对应的估计值。

带入数据

将\(x_i\)用真实数据替换

多参数极大似然估计

当总体X的分布中含有多个未知参数，即\(\theta=(\theta_1,\theta_2,⋯,\theta_k)\)时，似然函数为\(L(\theta)=L(\theta_1,\theta_2,⋯,\theta_k)\)。有对数似然方程组：
{ ∂ ( ln ⁡ L ( θ ) ) ∂ θ 1 = 0 ∂ ( ln ⁡ L ( θ ) ) ∂ θ