最大后验概率_先验分布，后验分布，似然函数的关系

这就是贝叶斯公式的密度函数形式，在样本 X 给定下，θ 的条件分布被称为 θ 的后验分布。它是集中了总体、样本和先验等三种信息中有关 θ 的一切信息，而又是排除一切与 θ 无关的信息之后得到的结果，故基于后验分布 p(θ|X) 对 θ 进行统计推断是更合理的。

一般说来，先验分布 p(θ) 是反映人们在抽样前对 θ 的认识，后验分布 p(θ|X) 是反映人们在抽样后对 θ 的认识，之间的差异是由于样本的出现后人们对 θ 认识的一种调整，所以后验分布 p(θ|X) 可以看作是人们用总体信息和样本信息（抽样信息）对先验分布 p(θ) 作调整的结果。

最大似然：

最大似然没有考虑先验知识，仅凭样本数据进行预估，在样本量小的时候容易产生过拟合。

最大后验：

后验概率加入了先验和统计知识，是最稳定的，因此后验要比最大似然来的更稳健。

参考链接：https://blog.csdn.net/guleileo/article/details/80971601