带你重拾概率论
来源:互联网 发布:淘宝客推广计划怎么写 编辑:程序博客网 时间:2024/05/01 23:16
声明:
- 本文所有内容均来自笔者在学习中所做总结,难免会有错误,谨慎参考;
- 本文所有内容的整理逻辑以及应用范围均只局限于机器学习相关内容,请勿延伸至其他领域;
- 本文内容会不定期更新,总结,修改,排版,仅根据笔者所遇到的问题进行相关部分的完善;
- 若发现错误,还望不吝赐教(留言,邮箱均可);
- 文章内容可转载,但请注明出处;
一、参数估计
所谓参数估计(Parameter estimation)指的是:用已知的样本数据在选定的分布(函数)下,进行参数估计的过程。
换在机器学习指的就是,在已知数据集(结果)和模型(分布函数)的情况下,估计出最适合该模型的参数。
1.1 最大似然估计
最大似然估计(Maximum likelihood estimation)就是指,在已知样本结果的情况下,推断出最有可能使得该结果出现的参数的过程。也就是说最大似然估计一个过程,它用来估计出某个模型的参数,而这些参数能使得已知样本的结果最可能发生。
举例:
假设你有一枚硬币,随机抛10次;现在的结果是6次正面。我们都知道,抛一枚硬币,正面朝上和反面朝上的概率均是
我们知道,抛硬币是符合二项分布
而我们接下来要做的就是求当
再假设你有一枚硬币,随机抛10次;现在的结果是7次正面。则此时使得该结果最大可能性出现参数
参考
1.2 数学定义
对未知参数
- 设总体X是离散型,其概率分布为
P{X=x}=p(x;θ),θ 为未知参数,X1,X2,...,Xn 为X 的一个样本,则X1,X2,...,Xn 取值为x1,...,xn 的概率是:P{X1=x1,...,Xn=xn}=∏i=1nP{Xi=xi}=∏i=1np{xi;θ}(1.1)
显然这个概率值是
称
若
则称
- 同理,如果总体
X 是连续型随机变量,其概率密度为f(x,θ) ,则样本的似然函数为L(θ)=L(x1,...xn;θ)=∏i=nnf(xi;θ)(1.4)
若
则称
1.3 求解步骤
a. 写出似然函数;
b. 方程两边同时取
c. 令
参考:概率论与数理统计9讲
1.4 举例
logistic回归代价函数推导
- 带你重拾概率论
- 带你重拾线性代数
- 《概率论与数理统计》重学笔记
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 概率论
- 带你**带你飞
- 你网站不带www的域名设置301重定向了吗?
- Android视图状态及重绘流程分析,带你一步步深入了解View(三)
- Android视图状态及重绘流程分析,带你一步步深入了解View(三)
- Ubuntu16 安装wordpress
- js获取浏览器和设备相关width(屏幕的宽度)
- windows 下 MySQL大小写敏感设置,MySQL服务启动后停止
- gitbook安装与使用
- PhantomJS快速入门
- 带你重拾概率论
- 两种单例模式
- leetcode 435. Non-overlapping Intervals 消除覆盖区间
- poj2752
- 蓝桥杯算法训练 字符串变换 java
- OkHttp二次封装类
- HDU
- WebService生成客户端代码
- 1、MyBatis入门