首页 > 试题广场 >

最大似然估计和最大后验概率的区别?

[问答题]

最大似然估计和最大后验概率的区别?

查看答案及解析
添加回答
neekity头像 neekity
https://blog.csdn.net/Neekity/article/details/88308781
发表于 2019-04-14 13:32:50 回复(0)
illusion201903221445605头像 illusion201903221445605
https://blog.csdn.net/lsldd/article/details/84488678
发表于 2019-09-12 14:38:36 回复(0)
奶茶小王子头像 奶茶小王子
最大后验概率是在根据贝叶斯定理，结合参数的先验分布得到的后验分布概率 公式：P(θ|X) = P(X|θ)P(θ)/P(X)
发表于 2019-05-20 15:27:06 回复(0)
二十马赫头像 二十马赫
MLE 与 MAP： 相同点： 都是为了找到参数的某一个取值，这个取值使得得到目前观察结果的概率最大。（通过比较该参数不同取值下观察结果的条件概率） 不同点：MAP 考虑了模型的先验分布， 而MLE 假设模型是均匀分布。 可以说，MLE是MAP的一种特例
发表于 2019-05-09 13:05:48 回复(0)
Leeguohui头像 Leeguohui

最大似然估计，是通过给定观测值，需要获得参数，使得多组观测值出现的概率最大化

最大后验估计，在给定观测值的同时，给出参数的先验分布，通过先验和似然并且利用贝叶斯公式得最大后验

编辑于 2019-10-30 00:26:02 回复(0)
猿辅导内推2023头像 猿辅导内推2023
相同点：
    最大似然估计（MLE）和最大后验概率（MAP）都是一种参数估计的方法。
不同点：
    MLE的优化目标是。
    MAP的优化目标是。

举个例子，假设抛硬币10次，有6次正面，4次反面，现对“抛一次硬币，结果为正面”的概率进行估计。易知MLE的计算结果为，而MAP则会假设服从一定的分布，比如拉普拉斯分布或高斯分布，即引入一定的外部先验知识进行辅助估计，减少参数估计对训练样本的依赖性。
编辑于 2020-04-12 17:07:29 回复(0)
牛客243847102号头像 牛客243847102号
当最大后验估计的先验分布为均匀分布时，即为极大似然估计 （无信息先验）
发表于 2021-09-15 13:48:42 回复(0)
牛客878327618号头像 牛客878327618号
在讲最大似然估计与最大后验概率的区别之前，可以先了解一下频率学派与贝叶斯派。
频率学派认为事件在多次重复实验中会趋于一个稳定的值P,这个值就是事件的概率，它们认为模型参数是个定值，我们根据已知样本，希望通过调整模型参数来使得模型能够最大化样本情况出现的概率。这种方法在数据量特别大的情况下可以很好地还原模型的真实情况，被称为极大似然估计。
而贝叶斯学派则认为，我们对世界的认知不是一成不变的，我们对事物的认知会有一个预先的估计，这对应于先验概率这个概念，然后基于我们获取到的信息来更新我们的看法，这对应于后验概率。
最大后验概率也运用了极大似然估计的思想，只不过它在其中加入了先验概率（先验假设），先验概率假设了模型参数满足某种分布，再根据已知样本与我们的先验假设，来通过调整模型参数使得模型能够产生该数据样本的概率最大，或者说后验概率最大。
发表于 2021-03-10 08:54:03 回复(0)
牛客471305338号头像 牛客471305338号

MLE是通过使观测值在某一分步片（x/theta）里出现概率最大来求取分布参数，MAP是p（theta/x）～ MLE x 先验概率

发表于 2020-01-31 02:49:09 回复(0)
MuMaXu头像 MuMaXu
发表于 2019-06-05 11:18:49 回复(0)
提交观点

问题信息

上传者：小小
难度：
10条回答 7567浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号