简述极大似然估计
来源:互联网 发布:网络公开课IT 编辑:程序博客网 时间:2024/05/17 02:11
极大似然估计是一种参数估计的方法。
先验概率是 知因求果,后验概率是 知果求因,极大似然是 知果求最可能的原因。
即它的核心思想是:找到参数 θ 的一个估计值,使得当前样本出现的可能性最大。
例如,当其他条件一样时,抽烟者患肺癌的概率是不抽烟者的 5 倍,那么当我们已知现在有个人是肺癌患者,问这个人是抽烟还是不抽烟?大多数人都会选择抽烟,因为这个答案是“最有可能”得到“肺癌”这样的结果。
为什么要有参数估计
当模型已定,但是参数未知时。
例如我们知道全国人民的身高服从正态分布,这样就可以通过采样,观察其结果,然后再用样本数据的结果推出正态分布的均值与方差的大概率值,就可以得到全国人民的身高分布的函数。
为什么要使似然函数取最大
极大似然估计是频率学派最经典的方法之一,认为真实发生的结果的概率应该是最大的,那么相应的参数,也应该是能让这个状态发生的概率最大的参数。
极大似然估计的计算过程
写出似然函数
其中 x1,x2,⋯,xn 为样本,θ 为要估计的参数。一般对似然函数取对数
因为 f(xi|θ) 一般比较小,n 比较大,连乘容易造成浮点运算下溢。求出使得对数似然函数取最大值的参数的值
对对数似然函数求导,令导数为0,得出似然方程,
求解似然方程,得到的参数就是对概率模型中参数值的极大似然估计。
例子
假如一个罐子里有黑白两种颜色的球,数目和比例都不知道。
假设进行一百次有放回地随机采样,每次取一个球,有七十次是白球。
问题是要求得罐中白球和黑球的比例?
假设罐中白球的比例是 p,那么黑球的比例就是 1−p。
那么似然函数:
接下来对似然函数对数化:
然后求似然方程:
最后求得 p=0.7
资料:
http://blog.csdn.net/poi7777/article/details/23204789
http://blog.csdn.net/bitcarmanlee/article/details/52201858
http://blog.csdn.net/zouxy09/article/details/8537620
https://zhuanlan.zhihu.com/p/24423230
推荐阅读
历史技术博文链接汇总
也许可以找到你想要的:
[入门问题][TensorFlow][深度学习][强化学习][神经网络][机器学习][自然语言处理][聊天机器人]
- 简述极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- 极大似然估计
- iOS 从0到1搭建高可用App框架(二)
- Python中利用set去除列表(list)重复元素
- 融云SDK设置头像与消息监听注意事项
- Cadence学习总结
- HealthKit读取步数、运动距离、已爬楼层等信息
- 简述极大似然估计
- hdu 2363 Cycling (最短路spfa + 暴力枚举)
- SwipeRefreshLayout自动刷新的问题
- Maven使用中的常见问题整理
- 2.React中文之Introducing JSX
- 关于js Uncaught TypeError: Cannot read property 'style' of null 问题
- JAVA 线程中的synchronized关键字的使用
- 乘法逆元、扩展欧几里得算法、二元一次方程、a的n次方取余
- 字符串连接