最大后验(英文为Maximum a posteriori,
来源:互联网 发布:淘宝贷款20万还不上 编辑:程序博客网 时间:2024/06/05 16:33
在统计学中,最大后验(英文为Maximum a posteriori,缩写为MAP)估计方法根据经验数据获得对难以观察的量的点估计。它与最大似然估计中的 Fisher 方法有密切关系,但是它使用了一个增大的优化目标,这种方法将被估计量的先验分布融合到其中。所以最大后验估计可以看作是规则化(regularization)的最大似然估计。
假设我们需要根据观察数据 x 估计没有观察到的总体参数 θ,让 f 作为 x 的采样分布,这样 f(x | θ) 就是总体参数为 θ 时 x 的概率。函数
即为似然函数,其估计
就是 θ 的最大似然估计。
假设 θ 存在一个先验分布 g,这就允许我们将 θ 作为 贝叶斯统计(en:Bayesian statistics)中的随机变量,这样 θ 的后验分布就是:
其中 Θ 是 g 的domain,这是贝叶斯定理(en: Bayes' theorem)的直接应用。
最大后验估计方法于是估计 θ 为这个随机变量的后验分布的mode:
后验分布的分母与 θ 无关,所以在优化过程中不起作用。注意当前验 g 是 uniform(也就是常函数)时最大后验估计与最大似然估计重和。
最大后验估计可以用以下几种方法计算:
- 解析方法,当后验分布的模能够用 closed form 方式表示的时候用这种方法。当使用en:conjugate prior的时候就是这种情况。
- 通过如共扼积分法或者牛顿法这样的数值优化方法进行,这通常需要一阶或者导数,导数需要通过解析或者数值方法得到。
- 通过 期望最大化算法 的修改实现,这种方法不需要后验密度的导数。
尽管最大后验估计与 Bayesian 统计共享前验分布的使用,通常并不认为它是一种 Bayesian 方法,这是因为最大后验估计是点估计,然而 Bayesian 方法的特点是使用这些分布来总结数据、得到推论。Bayesian 方法试图算出后验均值或者中值以及posterior interval,而不是后验模。尤其是当后验分布没有一个简单的解析形式的时候更是这样:在这种情况下,后验分布可以使用 Markov chain Monte Carlo 技术来模拟,但是找到它的模的优化是很困难或者是不可能的。
- 最大后验(英文为Maximum a posteriori,
- 【转】最大后验概率(MAP)- maximum a posteriori
- 基础-数学-最大后验概率(MAP)maximum a posteriori
- 最大后验概率(MAP)- maximum a posteriori
- 最大后验概率(MAP)- maximum a posteriori(转载)
- 极大后验概率(MAP)- maximum a posteriori(转载)
- 机器学习概念:最大后验概率估计与最大似然估计 (Maximum posterior probability and maximum likelihood estimation)
- 【概率】极大似然MLE 和最大后验 MAP,最大熵Maximum Entropy
- pat(A) 1007. Maximum Subsequence Sum(和最大子段)
- 【CF 453A】 Little Pony and Expected Maximum (最大期望)
- RDLC报表部署后工具条显示为英文的问题
- Eclipse汉化后如何还原为EN英文(实用技巧)
- 如何配置NetBeans启动后语言为英文
- Eclipse汉化后如何还原为EN英文(实用技巧)
- iOS 相机调用后为英文的解决办法
- 最大似然,贝叶斯,最大后验
- 最大乘积(Maximum Product)
- Maximum Product 最大乘积
- Invocation of init method failed; nested exception is org.apache.ibatis.binding.BindingException: In
- oracle之约束
- Android小知识5
- CentOS7 - systemd服务及开启关闭服务命令
- PAT 1001 害死人不偿命的(3n+1)猜想 (15)
- 最大后验(英文为Maximum a posteriori,
- 基于Proxy思想的Android插件框架
- Sonatype Nexus 搭建Maven 私服
- Linux下入门级导出函数截获-使用LD_PRELOAD环境变量
- C语言读取文件大小
- C# 给DLL打上版本号
- java.lang.OutOfMemoryError: PermGen space
- 斯坦福 机器学习Andrew NG 第四讲 Neural Networks representation
- 典型的Top K算法_找出一个数组里面前K个最大数...或找出1亿个浮点数中最大的10000个...一个文本文件,找出前10个经常出现的词,但这次文件比较长,说是上亿行或十亿行,总之无法一次读入内存,