最大后验估计MAP

River_J777

于 2020-12-21 22:05:01 发布

阅读量646

点赞数 2

CC 4.0 BY-SA版权

分类专栏：数学基础概念机器学习 Zero-Shot Learning 文章标签：算法机器学习人工智能概率论

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/River_J777/article/details/111500068

最大后验估计MAP是参数点估计的重要方法，源于贝叶斯定理。通过最大化后验概率P(θ∣x)，它结合了极大似然估计和先验概率P(θ)。在实际应用中，例如贝叶斯分类器，会选择后验概率最大的类别。MAP估计通过求解使P(X∣θ)p(θ)最大化的θ，忽略与θ无关的P(X)。这可以简化为寻找使L(θ∣X)+logp(θ)最大化的θ，从而确定参数的估计值。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最大后验估计MAP是最常用的几个参数点估计之一，基本原理由贝叶斯定理而来，先看贝叶斯公式：
$P\left(\theta \mid \boldsymbol x\right)=\frac{P\left(\boldsymbol x \mid \theta\right) P\left(\theta\right)}{P(\boldsymbol x)}$
其中，我们将 $P(θ)P\left(\theta\right)$ 称为先验概率，即在事情发生之前，根据以往的经验等推测未来此事件发生的概率；将 $P(θ∣x)P\left(\theta\right|\boldsymbol x)$

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。