什么是极大似然估计？参数估计就是通过若干次试验，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。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，我们通过最大概率反过来求其..
分类：
其他好文 时间：
2017-06-09 09:59:57
阅读次数：
105
隐马尔科夫模型在股票量化交易中有应用，最早我们找比特币交易模型了解到了这个概念，今天又看了一下《统计学习方法》里的隐马尔科夫模型一章。 隐马尔科夫模型从马尔科夫链的概念而来，马尔科夫链是指下一个状态只和当前的n个状态有关，和历史状态无关的一个时间上的事件链，隐马尔科夫模型在这个状态链的基础上，让每一 ...
分类：
其他好文 时间：
2017-06-04 17:03:36
阅读次数：
134
这里要理解虚拟变量的真正含义：是要体现出不同省份之间的差异，而并不是所谓的控制变量。而其要充分理解多元线性回归当中参数估计量的真正含义：是偏回归系数，即自变量的边际量，表明了在其他条件不变的情况下，自变量每增加一个单位因变量的变化。如果按照你的理解假设X为地区变量，X的取值为1代表山西；2代表陕西； ...
分类：
其他好文 时间：
2017-06-03 12:47:37
阅读次数：
147
最大似然估计：现在已经拿到了很多个样本（你的数据集中所有因变量），这些样本值已经实现，最大似然估计就是去找到那个（组）参数估计值，使得前面已经实现的样本值发生概率最大。因为你手头上的样本已经实现了，其发生概率最大才符合逻辑。这时是求样本所有观测的联合概率最大化，是个连乘积，只要取对数，就变成了线性加 ...
分类：
其他好文 时间：
2017-06-01 10:16:10
阅读次数：
130
1. 相关分析 1.1 相关系数 在一堆变量中，找到并分析它们之间的关系，是复杂环境和模型中的重要任务。由于线性关系的特殊、常见和简单，数学上往往采用线性关系来逼近实际关系。上篇的线性回归以及概率论中的线性回归，更关注的是线性函数的参数估计。如果想单纯地度量随机变量的线性关系，直接讨论相关系数即可， ...
分类：
其他好文 时间：
2017-05-24 09:54:52
阅读次数：
204
参数估计和假设检验是数理统计的两个基础问题，它们不光运用于常见的分布，还会出现在各种问题的讨论中。本篇开始研究另一大类问题，就是讨论多个随机变量之间的关系。现实生活中的数据杂乱无章，够挖掘出各种变量之间的关系非常有用，它可以预估变量的走势，能帮助分析状态的根源。关系分析的着手点可以有很多，我们从最简 ...
分类：
其他好文 时间：
2017-05-22 23:13:47
阅读次数：
242
恢复内容开始 1、提取总结表格 2、提取单独参数估计结果 3、提取一组参数估计结果 4、 Comparing summaries and parameters across models 5、 Creating a group of models from an Mplus template ?le ...
分类：
其他好文 时间：
2017-04-17 17:39:32
阅读次数：
561
gibbs采样关键字一关键字二参数估计与预测机器学习的一般思路为：1.从问题的本质中构建模型，定义样本的产生，有联合概率(图模型)。2.进行模型参数的估计：MLE、MAP、Bayes。3.使用模型对新样本进行估计。MLE：极大似然估计估计：解优化函数预测：MAP：极大后验估计估计：解优化函数预测：对... ...
分类：
其他好文 时间：
2017-03-30 19:21:03
阅读次数：
221
EM算法）The EM Algorithm EM是我一直想深入学习的算法之一，第一次听说是在NLP课中的HMM那一节，为了解决HMM的参数估计问题，使用了EM算法。在之后的MT中的词对齐中也用到了。在Mitchell的书中也提到EM可以用于贝叶斯网络中。 下面主要介绍EM的整个推导过程。 1. Je ...
分类：
编程语言 时间：
2017-03-10 13:17:49
阅读次数：
231
最大似然估计学习总结 MadTurtle 转至here 1. 作用 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布的参数，把可能性最大的那个参数作为真实的参数估计。 2. 离散型 设为离散型随机变量，为多维参数向量，如果随机变量相互独立且概率计算式为P{，则可得概率函数为P{}=，在固 ...
分类：
其他好文 时间：
2017-02-27 18:56:59
阅读次数：
267
