原文地址：http://blog.csdn.net/sunlylorn/article/details/19610589 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。似然函数在统计推断中有重大作用，如在最大似然估计和费雪信息之中的应用等等。“似然性”与“或然性” ...
分类：
其他好文 时间：
2017-11-07 22:18:42
阅读次数：
187
最大似然估计法的基本思想 最大似然估计法的思想很简单：在已经得到试验结果的情况下，我们应该寻找使这个结果出现的可能性最大的那个 作为真 的估计。 我们分两种情进行分析： 1．离散型总体 设 为离散型随机变量，其概率分布的形式为 ，则样本 的概率分布为 ，在 固定时，上式表示 取值 的概率；当 固定时 ...
分类：
其他好文 时间：
2017-11-05 15:08:36
阅读次数：
174
参考： 最大似然估计，就是利用已知的样本结果，反推最有可能（最大概率）导致这样结果的参数值。例如：一个麻袋里有白球与黑球，但是我不知道它们之间的比例，那我就有放回的抽取10次，结果我发现我抽到了8次黑球2次白球，我要求最有可能的黑白球之间的比例时，就采取最大似然估计法。 MLE可以看作一种特殊情况下 ...
分类：
其他好文 时间：
2017-10-30 14:25:30
阅读次数：
142
http://blog.csdn.net/baimafujinji/article/details/51374202 贝叶斯定理：一个例子 其实我们在之前介绍朴素贝叶斯分类器时就介绍过它，如果你有点忘了，这里就通过一个例子来帮你回忆一下。 假设有一所学校，学生中60%是男生和40%是女生。女生穿裤子 ...
分类：
其他好文 时间：
2017-10-08 13:37:41
阅读次数：
214
1.贝叶斯学派和频率学派 在数理统计领域，贝叶斯学派和频率学派两派争论已久，关于两派的具体思想不做深入研究，仅探讨它们在机器学习中的一点粗浅的应用。 机器学习中的朴素贝叶斯方法和逻辑回归相比，朴素贝叶斯判据需要一个事件的先验概率和相应的类条件概率，可用贝叶斯公式看出。 而逻辑回归，使用的是最大似然的 ...
分类：
其他好文 时间：
2017-10-06 18:06:03
阅读次数：
531
转载请注明出处 Leavingseason http://www.cnblogs.com/sylvanas2012/p/5053798.html EM框架是一种求解最大似然概率估计的方法。往往用在存在隐藏变量的问题上。我这里特意用"框架"来称呼它，是因为EM算法不像一些常见的机器学习算法例如logi ...
分类：
其他好文 时间：
2017-09-10 12:38:34
阅读次数：
213
逻辑回归，简单的说，就是用sigmoid函数把连续函数归一化转化成离散的几个可能的结果。 逻辑回归的算法 最大似然法： 我自己的理解，最大似然法就是在你观测到某一系列事件出现的可能性之后，倒推该事件最可能的概率，这个最可能的概率会使这一系列事件发生的可能性无限接近我们观测到的可能性。 梯度下降法/随 ...
分类：
其他好文 时间：
2017-09-10 01:15:38
阅读次数：
189
转自：http://blog.csdn.net/yanqingan/article/details/6125812 最大似然估计学习总结 MadTurtle 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 ...
分类：
其他好文 时间：
2017-09-06 00:39:59
阅读次数：
162
1、最大似然 多数情况下我们是根据已知条件来推算结果，而最大似然估计是已经知道了结果，然后寻求使该结果出现的可能性最大的条件，以此作为估计值 求最大似然函数估计值的步骤： 2、机器学习算法的学习过程 这个优化函数存在解析解。例如我们求最值一般是对代价函数求导，导数为0的点一般就是最值，如果代价函数能 ...
分类：
其他好文 时间：
2017-08-23 20:44:28
阅读次数：
138
区别： 几种朴素贝叶斯分类器的区别在于对于分布的假设，即假设满足的形式。 一、高斯NB 导入 假设特征的似然函数满足， 和 采用“最大似然估计” 二、Multinomial NB 导入 特征是离散值，通常用样本的概率去估计 为避免有的特征值缺省，一般对样本的概率做Laplace平滑：（a=1时） 三 ...
分类：
其他好文 时间：
2017-08-22 00:19:05
阅读次数：
731
