1. 参数估计(点估计)：样本信息已知，对总体分布和参数做出估计。方法有：矩估计，最大似然估计，最小二乘估计。 2. 矩估计：用样本的k阶原点矩替代总体的k阶原点矩，这样得到的位置参数θ的估计量称为θ的矩估计量 3. 极大似然估计：参数的极大似然估计就是在参数空间中找到一个最恰当的值，就目前的样本空 ...
分类：
其他好文 时间：
2019-11-03 20:26:11
阅读次数：
91
[TOC]更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com/nickchen121/# 极大似然估计# 一、最大似然原理 = P(A) * P(B) P(x)表示事件x发生的概率. 如何来理解独立呢?两件事独立是说这两件事不想关,比如我们随机抽取两个人A和B,这两个人有一个共同特性就是在同一个公 ...
分类：
其他好文 时间：
2019-10-10 22:09:02
阅读次数：
76
贝叶斯决策 首先来看贝叶斯分类，我们都知道经典的贝叶斯公式： 其中：p(w)：为先验概率，表示每种类别分布的概率；：类条件概率，表示在某种类别前提下，某事发生的概率；而为后验概率，表示某事发生了，并且它属于某一类别的概率，有了这个后验概率，我们就可以对样本进行分类。后验概率越大，说明某事物属于这个类 ...
分类：
其他好文 时间：
2019-09-11 14:06:30
阅读次数：
104
问题是，已知样本结果D，求最大概率的参数$\theta $ 最大后验概率(MAP)： 求使$P(\theta |D)$最大的$\theta $； $P(\theta |D)=\frac{P(D|\theta )P(\theta )}{P(D)}$ 其中，P(D)为已知量，常量，因为样本结果已经定了; ...
分类：
其他好文 时间：
2019-09-01 14:34:11
阅读次数：
85
EM算法理解 来源：[知乎：Evan]（https://www.zhihu.com/question/27976634/answer/252238739） 1. EM算法产生的原因 EM算法是为了解决《最大似然估计》中更复杂的情形而存在的。 这里“极大似然估计中更复杂的情形”是什么情形呢？ 我们知道 ...
分类：
编程语言 时间：
2019-08-22 01:01:44
阅读次数：
102
生存分析 三大块内容： 1，描述性的 生存率、中位生存期、生存曲线等，常用Kaplan-meier法 2，比较分析 两组的生存曲线是否有差别，log-rank检验（单个因素） 3，cox比例风险回归 类似logistic回归，多个变量对Y的影响，得到一个概率值，只不过加了时间 多花点时间聊聊cox的 ...
分类：
其他好文 时间：
2019-08-10 19:05:39
阅读次数：
134
概率函数 vs 似然函数 : p(x|θ) (概率函数是θ，已知，求x的概率。似然函数是x已知，求θ) 分布是p(x|θ)的总体样本中抽取到这100个样本的概率，也就是样本集X中各个样本的联合概率 最大似然估计为： 为了方便计算，对联合概率取对数 求最大似然函数估计值的一般步骤： （1）写出似然函数 ...
分类：
其他好文 时间：
2019-06-20 10:56:00
阅读次数：
92
目录 大白话5分钟带你走进人工智能-第一节开篇介绍以及线性回归简介篇 大白话5分钟带你走进人工智能-第二节概率基础及高斯分布 大白话5分钟带你走进人工智能-第三节最大似然推导mse损失函数（深度解析最小二乘来源）（1） 大白话5分钟带你走进人工智能-第四节最大似然推导mse损失函数（深度解析最小二乘 ...
分类：
其他好文 时间：
2019-05-27 10:29:12
阅读次数：
152
学贝叶斯方法时绕不过去的一个问题，现在系统地总结一下。 之前过于纠结字眼，似然和概率到底有什么区别？以及这一个奇妙的对等关系（连续才是f，离散就是p）。 wiki：在数理统计学中，似然函数是一种关于统计模型中的参数的函数，表示模型参数中的似然性。 这里我们讨论的范围已经界定了，那就是在指定模型下（比 ...
分类：
其他好文 时间：
2019-05-14 09:44:10
阅读次数：
221
