最大似然估计(MLE),最大后验几率估计(MAP),贝叶斯估计入门讲解

已知数据X,去拟合某个几率模型的参数θ,是最基本的机器学习过程。 本文将入门讲解3个最基本的方法:最大似然估计(Maximum Likelihood Estimation,简称MLE),最大后验几率估计(Maximum a Posteriori estimation,简称MAP),以及贝叶斯估计。 下面的全部讲解都将用到这样的一组实验数据:抛一个硬币10次,获得以下结果: 正正反正反正正正反正 根
相关文章
相关标签/搜索