转载自(http://blog.sina.com.cn/s/blog_a8fead9b01014p6i.html,
machinelearningblog的博客
)
Exponential Family是一类非常普遍的概率密度函数族,其最简单的形式如下所示:
事实上很多我们熟知的概率分布都属于Exponential Family,例如正态分布:
在Exponential Family中,函数A与T之间有着紧密的联系,事实上考虑Canonical的Exponential Family,即theta等于eta的时候,有下式成立:
事实上,在概率统计理论中,这里的T(x)是x的sufficient statistics,一般意义上来说Sufficient Statistics是指对于一个参数化的概率分布,E[T(x)]给出了关于参数theta的所有信息,即theta和x独立,conditioned on E[T(x)]。
由于T(x)是x的sufficient statistics,所以我们只需要用到E[T(x)]的信息即可计算出theta,因此在MAP Estimation中我们只需用到T(x)的Empirical Expectation,这使得我们的需要存储的信息量大大减少。事实上,考虑概率密度函数:
我们计算它的log-likelihood: