知识卡片
最大似然选择分布参数
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?
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
- 6.2.2 朴素贝叶斯分类算法的数学解析 · 查看原书依据
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
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