参考链接1 参考链接2 一、介绍 极大似然估计和贝叶斯估计分别代表了频率派和贝叶斯派的观点。频率派认为，参数是客观存在的，只是未知而矣。因此，频率派最关心极大似然函数，只要参数求出来了，给定自变量X，Y也就固定了，极大似然估计如下所示: D表示训练数据集，是模型参数 相反的，贝叶斯派认为参数也是随机 ...
分类：
其他好文 时间：
2020-06-09 23:27:55
阅读次数：
87
预热知识必知如何求类条件概率密度：我们知道贝叶斯决策中关键便在于知道后验概率，那么问题便集中在求解类条件概率密度！那么如何求呢？答案便是：将类条件概率密度进行参数化。 最大似然估计和贝叶斯估计参数估计：鉴于类条件概率密度难求，我们将其进行参数化，这样我们便只需要对参数进行求解就行了，问题难度将大大降 ...
分类：
其他好文 时间：
2020-04-09 15:28:09
阅读次数：
85
支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上。 置信风险： 分类器对 未知样本进行分类，得到的误差。经验风险： 训练好的分类器，对训练样本重新分类得到的误差。即样本误差结构风险：置信风险 + 经验风险结构风险最小化就是为了防止过拟合而提出来的策略，贝叶斯估计中最大后验概率 ...
分类：
其他好文 时间：
2020-03-14 11:12:47
阅读次数：
109
edgeR的介绍 背景 RNA-seq表达谱与生物复制的差异表达分析。 实现一系列基于负二项分布的统计方法，包括经验贝叶斯估计，精确检验，广义线性模型和准似然检验。 与RNA-seq一样，它可用于产生计数的其他类型基因组数据的差异信号分析，包括ChIP-seq，Bisulfite-seq，SAGE和 ...
分类：
其他好文 时间：
2019-12-18 15:05:04
阅读次数：
557
其实这是我之前最想第一篇来写的随笔了，今天就先把这一部分写一写吧。 1.问题 一个医疗诊断问题有两个可选的假设：病人有癌症、病人无癌症可用数据来自化验结果：阴性和阳性。有先验知识：在所有人口中，患病率是0.008，对确实有病的患者的化验准确率为98%，对确实无病的患者的化验准确率为97% 。 问题： ...
分类：
其他好文 时间：
2019-07-04 00:28:13
阅读次数：
104
高斯函数与正态分布 高斯函数或者说正态分布函数在很多场合都得到广泛应用，其是概率论和统计学的核心，在最大似然估计、贝叶斯估计中必不可少。其也是稀疏贝叶斯估计的重要基础。下面对高斯函数的一些基本知识点进行归纳和总结，不当之处，欢迎批评指正。 (1) 高斯函数高斯函数定义如下\begin{equatio ...
分类：
其他好文 时间：
2019-05-13 09:17:03
阅读次数：
185
这里的频率学派，认为参数θ是一个常量 ，只有属于置信区间，或者?置信区间，没有属于这个某个置信区间的概率是0.9的说法。第一个意思是整体分布的一个参数θ，取θ的某一个先验分布，计算在该先验分布的条件下的贝叶斯估计的值不能等于该θ在整体分布下面的值。 第二个图片就是例子，第二张图片中因为先验概率取得好 ...
分类：
其他好文 时间：
2019-04-16 09:23:25
阅读次数：
155
1. 前言 概率模型有时既含有观测变量(observable variable)，又含有隐变量或潜在变量（latent variable），如果仅有观测变量，那么给定数据就能用极大似然估计或贝叶斯估计来估计model参数；但是当模型含有隐变量时，需要一种含有隐变量的概率模型参数估计的极大似然方法估计 ...
分类：
编程语言 时间：
2018-12-15 17:14:12
阅读次数：
244
主要介绍了朴素贝叶斯法的基本原理和推导过程，介绍了方法的学习和分类算法，并针对所要估计的概率值可能为0的问题，介绍了贝叶斯估计法。 ...
分类：
其他好文 时间：
2018-09-19 21:46:57
阅读次数：
155
最大似然估计（Maximum likelihood estimation, 简称MLE）和最大后验概率估计（Maximum aposteriori estimation, 简称MAP）是很常用的两种参数估计方法。 1、最大似然估计（MLE） 在已知试验结果（即是样本）的情况下，用来估计满足这些样本分 ...
分类：
其他好文 时间：
2018-08-07 21:57:53
阅读次数：
3439
