在这两种估计中,都是假设样本概率密度函数形式已知,需要估计的是是概率密度函数中的参数。虽然使用贝叶斯方法和最大似然估计的结果很相似,但这两个方法在本质上有很大的不同。在最大似然估计方法中,我们把需要估计的参数向量看作是一个确定而未知的参数。而在贝叶斯学习方法中,我们把参数向量看成是一个随机变量,已有的训练样本使我们把对于参数的初始密度估计转化为厚颜概率密度。
最大似然估计与贝叶斯估计
最新推荐文章于 2022-04-14 20:07:29 发布
在这两种估计中,都是假设样本概率密度函数形式已知,需要估计的是是概率密度函数中的参数。虽然使用贝叶斯方法和最大似然估计的结果很相似,但这两个方法在本质上有很大的不同。在最大似然估计方法中,我们把需要估计的参数向量看作是一个确定而未知的参数。而在贝叶斯学习方法中,我们把参数向量看成是一个随机变量,已有的训练样本使我们把对于参数的初始密度估计转化为厚颜概率密度。