【机器学习基本理论】详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解 https://mp.csdn.net/postedit/81664644 最大似然估计（Maximum likelihood estimation, 简称MLE）和最大后验概率估计（Maximum a ...
分类：
其他好文 时间：
2018-08-14 14:59:59
阅读次数：
207
1、EM算法要解决的问题 如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。 EM算法解决这个的思路是使用启发式的迭代方法，既然我们无法直接求出模型分布参数，那么我们可以先猜想隐含数据（EM算法的E步），接着基于观察数据和猜测的隐含数据一起来极大化对数似然，求解我们的模型参 ...
分类：
编程语言 时间：
2018-08-09 23:14:09
阅读次数：
167
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
title: 最大似然估计和EM算法 date: 2018 06 01 16:17:21 tags: [算法，机器学习] categories: 机器学习 mathjax: true 本文是对最大似然估计和EM算法做的一个总结。 一般来说，事件A发生的概率与某个未知参数$\theta?$有关，$\t ...
分类：
编程语言 时间：
2018-08-05 17:01:24
阅读次数：
225
最大似然估计是利用已知的样本的结果，在使用某个模型的基础上，反推最有可能导致这样结果的模型参数值，是一种“模型已定，参数未知”的方法。 F_{n} = F_{n-1} + F_{n-2} $f(x_1,x_2,\ldots,x_n) = x_1^2 + x_2^2 + \cdots + x_n^2$ ...
分类：
其他好文 时间：
2018-07-22 17:01:53
阅读次数：
102
EM最大期望算法 目录 一、凸函数与凹函数的定义：1 二、Jensen不等式证明1 三、EM算法详解：1 1.最大似然1 2.EM算法1 3.EM算法推导1 4.EM算法步骤：1 5.EM算法的收敛性思考1 6.EM算法的一些思考1 一、凸函数与凹函数的定义： 1.凸函数定... ...
分类：
编程语言 时间：
2018-07-19 22:56:36
阅读次数：
283
1， 频率派思想 频率派思想认为概率乃事情发生的频率，概率是一固定常量，是固定不变的 2， 最大似然估计 假设有100个水果由苹果和梨混在一起，具体分配比例未知，于是你去随机抽取10次，抽到苹果标记为1， 抽到梨标记为0，每次标记之后将抽到的水果放回 最终统计的结果如下： 苹果 8次，梨2次 据此， ...
分类：
其他好文 时间：
2018-06-18 12:45:43
阅读次数：
229
一.贝叶斯概念 先验概率 后验概率 最大似然：最符合观测数据的（即P(D | h) 最大的）最有优势 奥卡姆剃刀：P(h) 较大的模型有较大的优势 朴素贝叶斯（假设特征之间独立，互不影响） 二．贝叶斯拼写检查器 ...
分类：
编程语言 时间：
2018-06-04 23:25:13
阅读次数：
138
1） 最大似然估计 MLE 给定一堆数据，假如我们知道它是从某一种分布中随机取出来的，可是我们并不知道这个分布具体的参，即“模型已定，参数未知”。例如，我们知道这个分布是正态分布，但是不知道均值和方差；或者是二项分布，但是不知道均值。 最大似然估计（MLE，Maximum Likelihood Es ...
分类：
其他好文 时间：
2018-05-14 10:29:13
阅读次数：
158
1） 最大似然估计 MLE 给定一堆数据，假如我们知道它是从某一种分布中随机取出来的，可是我们并不知道这个分布具体的参数，即“模型已定，参数未知”。例如，我们知道这个分布是正态分布，但是不知道均值和方差；或者是二项分布，但是不知道均值。 最大似然估计（MLE，Maximum Likelihood E ...
分类：
其他好文 时间：
2018-04-27 13:34:53
阅读次数：
162
