人工智能里的数学修炼 | 模型参数求解:极大似然估计
来源:互联网 发布:网络写作大神 编辑:程序博客网 时间:2024/05/16 18:29
极大似然估计(maximum likelihood estimation,mle)方法最初由德国数学家高斯提出,但这个方法通常被归功于英国统计学家罗纳德·菲舍尔。他在1992年的论文On the mathematical foundations of theoretical statistics, reprinted in Contributions to Mathematical Statistics总结了极大似然估计,极大似然估计的名字也是费舍尔给的。1950年 J. Wiley & Sons 中再次提出了这个思想,并且首先探讨了这种方法的一些性质,目前,这仍然是一种得到广泛应用的参数估计方法
一、极大似然估计原理
二、极大似然的数学模型与求解
一、极大似然估计原理
极大似然估计提供了一种给定观察数据来评估模型参数的方法,即“模型已知,参数未知“。其直接原理是:一个随机试验如果有若干个可能的结果A,B,C,…,若在一次实验中,结果A出现了,那么可以认为实验条件对A的出现有利,即A事件发生的概率P(A)较大。
举一个简单的例子:
设甲箱中有99个白球,1个黑球;乙箱中有1个白球,99个黑球。现随机取出一个箱子,再从抽取的一箱中随机取出一球,结果是黑球,我们知道,这一球是从乙箱抽取的概率比从甲箱中抽取的概率大的多,这时我们自然更多的愿意相信这个黑球是取自乙箱的。
更一般的来说,若事件A的发生概率与某一未知参数
极大似然估计,是概率论在统计学中的应用,它是参数估计的方法之一。说的是已知某个随机样本满足某种概率分布,但是其中具体的参数不清楚,参数估计就是通过若干次试验,观察其结果,利用结果推出参数的大概值。极大似然估计是建立在这样的思想上:已知某个参数能使这个样本出现的概率最大,我们当然不会再去选择其他小概率的样本,所以干脆就把这个参数作为估计的真实值。
极大似然估计一个很重要的假设是:所有采样都是独立同分布的
二、极大似然的数学模型与求解
极大似然估计的一般求解步骤为:
(1)写出似然函数
(2)取平均对数似然函数
(3)求解似然估计值
现在我们分步来介绍
2.1 列出似然函数
首先,假设
此时,我们已知的为
2.2 取平均对数似然函数
在实际应用中我们通常将似然函数取对数
我们称上式中的
选择似然函数在观测值最大处的那个参数值作为
极大似然估计法的原理就是固定样本观测值
这样得到的
2.3 求解似然估计值
现在我们已经列出了似然方程,问题在于如何把参数
通过极大似然法估计参数的特点在于,它相对于其他估计方法更为简单,收敛性质较好,并且如果假设的类条件概率模型正确,则通常能获得较好的结果,但如果假设模型出现偏差,则会导致结果较差
- 人工智能里的数学修炼 | 模型参数求解:极大似然估计
- 极大似然估计的ICA模型
- 求解极大似然估计步骤
- 人工智能里的数学修炼 | 约束问题的优化求解:拉格朗日乘子法、KKT条件与对偶问题
- 机器学习数学|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
- Python使用Paramiko模块实现远程文件拷贝
- 对SQL语句的基础知识总结二(DDL的增删改查)
- Solder Mask与Paste Mask区别
- Hdoj 1092 A+B for Input-Output Practice (IV)
- 在 Visual Studio 中使用 Q# 进行量子编程
- 人工智能里的数学修炼 | 模型参数求解:极大似然估计
- Mysql 的关键字(保留字)做个标记
- 关于大数据运维小知识
- 单片机与PC机通信
- [AHK]从time.tianqi.com获取时间
- Windows10 anaconda tensorflow 安装手册
- Python模拟登录东北大学校园卡主页
- C#并发编程实例讲解-概述(01)
- 从零开始学android编程之线性布局管理器(2-2)