1、最小二乘法的本质
https://www.zhihu.com/question/37031188
2、最大似然估计
概率是已知模型和参数,推数据。统计是已知数据,推模型和参数。
对于函数:
P(x|θ)
输入有两个:x表示某一个具体的数据;θ表示模型的参数。
如果θ是已知确定的,x是变量,这个函数叫做概率函数(probability function),它描述对于不同的样本点x,其出现概率是多少。
如果x是已知确定的,θ是变量,这个函数叫做似然函数(likelihood function), 它描述对于不同的模型参数,出现x这个样本点的概率是多少。最大似然函数即求θ使得在相应的x0下似然函数最大。
P(x0|θ)
2.1、最大后验估计
参考:
https://blog.csdn.net/u011508640/article/details/72815981
最大似然估计是求参数θ, 使似然函数P(x0|θ)最大。最大后验概率估计则是想求θ使P(x0|θ)P(θ)最大。求得的θ不单单让似然函数大,θ自己出现的先验概率也得大。
MAP其实是在最大化P(θ|x0)=P(x0|θ)P(θ) / P(x0),不过因为x0是确定的(即投出的“反正正正正反正正正反”),P(x0)是一个已知值,所以去掉了分母P(x0)。
对于SLAM14讲状态估计函数,要估计的状态为x=(x1,x2…xn,y1,y2…yn)和观测量是z,其也是一个最大后验估计问题,并将其转换成最大似然问题。
2.2 条件概率
总概率