最大似然估计、最大后验估计、贝叶斯估计理解(转

看了这篇文章,写一些自己的理解。
1.最大似然估计MLE:通过令导数等于零求得使对数似然函数最大化的参数。
2.最大后验估计MAP:核心公式——条件概率公式
P(thita|x) = (P(x|thita)*P(thita))/P(x)
这里求令P(thita|x)最大的thita,和P(x)无关则约去。所以MAP最大化的函数相比于MLE多了一个thita的先验分布P(thita), 如果P(thita)是一个均匀分布,即不知道任何参数的先验信息,那么MAP就相当于MLE.
3.贝叶斯估计
贝叶斯和前面两个的主要区别是在于估计出来的参数不是一个确定的值,而是一个分布。

发布了16 篇原创文章 · 获赞 2 · 访问量 1531
展开阅读全文

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览