极大似然估计
极大似然估计是概率的log概率的最大化问题,即max(log(P)),log函数是单调函数,通常取底数大于1的情况,所以log函数不影响原来概率大小的判断。如果取极大似然函数的相反数,得到的就是我们熟悉的损失函数cost,同时极大似然函数也对应的极小化我们的损失函数。
为什么要有极大似然估计
例子:我与一位猎人一起外出打猎,一只野兔从前方穿过,只听到一声枪响,野兔应声倒下。问是谁打中的呢?
答:极有可能是猎人。
显然候选人就两个,我和猎人。若选择我,则事件发生的发生概率为0.01%,因为我不会打猎;若选择猎人,则事件发生的概率为99%,而事件已经发生,因此选择猎人更为合适。
极大似然法的基本思想在社会思维意识中常有所体现。例如某地发生了一个疑难案件,警察欲破案或民众推测嫌疑人,一般是将重点集中在作案可能性较大的可疑人身上。
极大似然估计的思想
设总体中含有待估参数w,可以取很多值。已经知道了样本观测值(例子中的兔子被猎人打死了),从w的一切可能值中(引例中是我和猎人)选出一个使该观察值出现的概率为最大的值,作为w参数的估计值,这就是极大似然估计。(顾名思义:就是看上去那个是最大可能的意思)
极大似然估计步骤
求极大似然函数估计值的一般步骤:
(1) 写出似然函数;
(2) 对似然函数取对数&#x