• 欢迎访问开心洋葱网站,在线教程,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站,欢迎加入开心洋葱 QQ群
  • 为方便开心洋葱网用户,开心洋葱官网已经开启复制功能!
  • 欢迎访问开心洋葱网站,手机也能访问哦~欢迎加入开心洋葱多维思维学习平台 QQ群
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏开心洋葱吧~~~~~~~~~~~~~!
  • 由于近期流量激增,小站的ECS没能经的起亲们的访问,本站依然没有盈利,如果各位看如果觉着文字不错,还请看官给小站打个赏~~~~~~~~~~~~~!

极大似然估计(MLE)

人工智能 _寒潭雁影 2376次浏览 0个评论

上一篇文章我们已经了解了似然函数是什么,但怎么去把里面的θ θθ给求出来是个更加关键的问题。这篇我们将来探讨下这个问题。   还是先举一个例子,假设有一个造币厂生产某种硬币,现在我们拿到了一枚这种硬币,想试试这硬币是不是均匀的。即想知道抛这枚硬币,正反面出现的概率(记为θ )各是多少?   这是一个统计问题,回想一下,解决统计问题需要什么? 数据!   于是我们拿这枚硬币抛了10次,得到的数据x0是:反正正正正反正正正反。我们想求的正面概率θ 是模型参数,而抛硬币模型是二项分布(除非硬币立起来,那么这个时候要马上去买彩票,还搞什么算法)。   那么,出现实验结果x0(即反正正正正反正正正反)的似然函数是多少呢?式子是这样的:  
极大似然估计(MLE)   求出来函数的最大值是θ = 0.7 时取得的。这样,我们已经完成了对θ极大似然估计。即抛10次硬币,发现7次硬币正面向上,最大似然估计认为正面向上的概率是0.7。   我们用更加严谨的公式把似然函数和极大似然估计都用数学表达出来如下(其中arg ⁡ maxθ 表示当右边函数取得最大值时θ 的取值):  
极大似然估计(MLE)   当然这个公式看起来虽好,但有个问题,算起来比较要命,因为是连乘啊!这求个导能把人求哭。怎么办?两边取对数(因为 ln ⁡ x 是随着 x 增大而单调增大的,也就是说当 ln ⁡ x 取得最大值的时候 x 也取得最大值),这个时候极大似然估计变成这样:  
极大似然估计(MLE)   连乘变成累加,世界瞬间清净了!


开心洋葱 , 版权所有丨如未注明 , 均为原创丨未经授权请勿修改 , 转载请注明极大似然估计(MLE)
喜欢 (0)

您必须 登录 才能发表评论!

加载中……