參數估計(parameter estimation)
統計推斷的一種。根據從總體中抽取的随機樣本來估計總體分布中未知參數的過程。從估計形式看,區分為點估計與區間估計:從構造估計量的方法講,有矩法估計、最小二乘估計、似然估計、貝葉斯估計等。
參數估計的目的
利用樣本的已知資訊,反推樣本的具體環境,即反推參數值。
舉例來說,一堆離散的樣本點,需要拟合,拟合出的函數的w系數,即是反推的參數值。
這點便是機器學習方法中的精髓。
極大似然估計的的方法
利用已知的樣本結果,反推最有可能(最大機率)導緻這樣結果的參數值。
極大似然原理最簡單的了解就是:樣本所展現的狀态便是所有可能狀态中出現機率最大的狀态。
即在樣本x條件下,對參數theta的估計
多數情況下我們是根據已知條件來推算結果,而極大似然估計是已經知道了結果,然後尋求使該結果出現的可能性最大的條件,以此作為估計值。
舉例來說,小明長得像A,長得不像B,是以我們在現有的條件下,可以推斷小明與A有血緣關系,這便是極大似然估計的一個粗暴了解。
在機器學習中,極大似然估計便是經驗風險最小化的一個例子。當模型是條件機率分布式且損失函數是對數損失函數是,經驗風險最小化就等價于極大似然估計;同樣的,極大似然估計也是邏輯回歸(logistic regression)的本質。
更多内容通路omegaxyz.com
網站所有代碼采用Apache 2.0授權
網站文章采用知識共享許可協定BY-NC-SA4.0授權
© 2019 • OmegaXYZ-版權所有 轉載請注明出處