机器学习中的参数估计问题

最大似然估计、最大后验估计和贝叶斯估计 概述如下： 一，最大似然估计-MLE（频率派） 最大似然估计： 给定一个数据集 D D 且假设我们已知该数据集的分布，这个分布的参数 θ θ 是固定的，不服从任何分布。MLE的目标就是找出一组参数 θ⃗ =(θ1,θ2,...,θn) θ → = ( θ 1 , θ 2 , . . . , θ n ) ,使得观测数据出现的概率最大（即模型产生出观测数据的概率

>>阅读原文<<