知识卡片
MLE与MAP
最大似然只看数据最支持哪个假设,最大后验还加入先验偏好。两者差异在小数据或强先验场景尤其明显;工程上先验常以正则化形式出现。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 概率模型学习 20.1 统计学习 · 查看原书依据
最后一个简化是通过假定假设空间具有均匀先验分布得出的。在这种情况下,MAP学习被简化为选择一个使最大的hi。这就是所谓的最大似然(maximum-likelihood)假设,hml。最大似然学习在统计学中非常常用,是许多不相信假设先验主观性质的研究者所使用的准则。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第20章《概率模型学习》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0041_split_001.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:最大似然只看数据最支持哪个假设,最大后验还加入先验偏好。原文从「20.1 统计学习」处给出对应机制与依据,支撑本卡结论。
- 原始内容:最后一个简化是通过假定假设空间具有均匀先验分布得出的。在这种情况下,MAP学习被简化为选择一个使最大的hi。这就是所谓的最大似然(maximum-likelihood)假设,hml。最大似然学习在统计学中非常常用,是许多不相信假设先验主观性质的研究者所使用的准则。