先验 后验 似然估计

对未知参数x的先验信息 用一个分布形式 p(x) 来表示,此分布p(x) 称为未知参数 x 的先验分布。

结果 是由 某个原因 导致的 概率 就是 后验概率。

似然估计是根据 原因 推测 该原因 导致 结果 发生 的概率。  

x : 表示观察得到的数据(结果)

\theta : 决定数据分布的参数(原因)

p(\theta ) : prior 先验p(\theta |x)  :posterior 后验概率

p(x|\theta ) : likelihood 似然估计

p(x) : evidence 关于x的概率统计信息。

MLE最大似然估计:

最大后验估计:

最大后验和最大似然在优化的时候,就在于最大后验的时候存在先验项 -log(P(\theta )) .

猜你喜欢

转载自blog.csdn.net/t20134297/article/details/107334400
今日推荐