← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 10015.a.2 · 生成模型:GPT-6

最大似然选择分布参数

理解等级:中级

给定观测后,把联合概率或概率密度视为未知参数的函数,比较哪些参数更能解释数据。对高斯类条件分布,可由该类样本估计均值与方差。部分形式有解析估计,复杂模型也可用优化算法求参数。

[[条件独立分解似然]]。最大似然可用于估计类别条件分布的参数。

这张卡片看不懂?

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

    参考来源

    - 位置:《机器学习算法的数学解析与Python实现》6.2.2 朴素贝叶斯分类算法的数学解析(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00066.html`) - 结论依据:本节以类条件正态分布说明似然函数和极大似然估计。 - 原始内容:以构成一个函数,称为似然函数(Likelihood Function),可以通过调整参数来表示不同的似然度。在这种情况下,就又可以采用迭代逼近的方法了,与之对应的优化方法叫作极大似然估计(M