第三章 模式识别 - 最大似然估计和贝叶斯参数估计
2011-10-12 15:03
357 查看
第三章 最大似然估计和贝叶斯参数估计
第二章的贝叶斯决策论中,在分类之前需要知道一些概率特征,包括类条件概率密度(似然函数)和先验概率。先验概率相对获知是比较容易的,而类条件概率密度就比较困难,原因有两点:
1.训练样本少 2. 特征向量的维数较大,复杂度问题
那如何估计类条件概率密度呢?如果事先知道类条件概率密度的分布,而只是分布的参数不知道,这样就可以把求未知函数转变为求未知参数!比如一条直线函数的参数(斜率),正态分布的参数(均值、方差)。
通过转换,下面的任务就是求参数了,而最大似然估计和贝叶斯参数估计(不是贝叶斯决策)都是对参数进行估计的方法。
![](http://hi.csdn.net/attachment/201110/12/0_1318403000ig2Q.gif)
![](http://hi.csdn.net/attachment/201110/12/0_1318403042kEl6.gif)
哲学对比:
举例:设参数为桌子的长度,估计该参数,通过测量得到了不同时刻测量的长度值{x1,x2,…,xn}。
唯物主义的方法:长度是确定的;估计方法有均值、中值等
唯心主义的方法:长度是不确定的,即变量;估计方法给出各个取值的可能性(概率)或者分布。
在参数估计的数学表达上,唯物主义的结果是得到一个确定的值来作为估计的结果。而贝叶斯则得到一个概率值来作为估计结果,而必须是变量才有概率意义,这也是贝叶斯将参数做作不确定变量的直接数学表达。
经典学派是唯物主义,从理性出发,认为参数是确定的。贝叶斯学派是唯心学派,从感性出发,不同的测量样本空间确实得到了不同的值,因此是随机变量;
在实际的应用中,贝叶斯的方法比经典学派要好。
http://star.sgst.cn/upload/attach/attach200910140408470m9mz6gd83.pdf
两种方法的选择原则:
1. 复杂度:最大似然的复杂度小于贝叶斯估计
2. 可理解性:最大似然较易理解
3. 对先验知识的信任程度:贝叶斯较好
误差根源:
1. 贝叶斯误差:实际过程中类条件概率密度函数相互重叠引起的。
2. 模型误差:选择了不正确的模型
3. 估计误差:训练样本的局限性
第二章的贝叶斯决策论中,在分类之前需要知道一些概率特征,包括类条件概率密度(似然函数)和先验概率。先验概率相对获知是比较容易的,而类条件概率密度就比较困难,原因有两点:
1.训练样本少 2. 特征向量的维数较大,复杂度问题
那如何估计类条件概率密度呢?如果事先知道类条件概率密度的分布,而只是分布的参数不知道,这样就可以把求未知函数转变为求未知参数!比如一条直线函数的参数(斜率),正态分布的参数(均值、方差)。
通过转换,下面的任务就是求参数了,而最大似然估计和贝叶斯参数估计(不是贝叶斯决策)都是对参数进行估计的方法。
![](http://hi.csdn.net/attachment/201110/12/0_1318403000ig2Q.gif)
![](http://hi.csdn.net/attachment/201110/12/0_1318403042kEl6.gif)
哲学对比:
举例:设参数为桌子的长度,估计该参数,通过测量得到了不同时刻测量的长度值{x1,x2,…,xn}。
唯物主义的方法:长度是确定的;估计方法有均值、中值等
唯心主义的方法:长度是不确定的,即变量;估计方法给出各个取值的可能性(概率)或者分布。
在参数估计的数学表达上,唯物主义的结果是得到一个确定的值来作为估计的结果。而贝叶斯则得到一个概率值来作为估计结果,而必须是变量才有概率意义,这也是贝叶斯将参数做作不确定变量的直接数学表达。
经典学派是唯物主义,从理性出发,认为参数是确定的。贝叶斯学派是唯心学派,从感性出发,不同的测量样本空间确实得到了不同的值,因此是随机变量;
在实际的应用中,贝叶斯的方法比经典学派要好。
http://star.sgst.cn/upload/attach/attach200910140408470m9mz6gd83.pdf
两种方法的选择原则:
1. 复杂度:最大似然的复杂度小于贝叶斯估计
2. 可理解性:最大似然较易理解
3. 对先验知识的信任程度:贝叶斯较好
误差根源:
1. 贝叶斯误差:实际过程中类条件概率密度函数相互重叠引起的。
2. 模型误差:选择了不正确的模型
3. 估计误差:训练样本的局限性
相关文章推荐
- 参数估计法——最大似然估计和贝叶斯参数估计
- 最大似然估计与贝叶斯参数估计
- 模式识别学习笔记(5)——最大似然和贝叶斯参数估计
- 模式识别:最大似然估计与贝叶斯估计方法
- 参数估计-最大似然估计和贝叶斯参数估计
- 模式分类对于最大似然参数估计与贝叶斯参数估计的一些理解
- 最大似然估计、贝叶斯估计 两类参数估计的对比
- 最大似然参数估计与贝叶斯参数估计
- 参数估计-最大似然估计、MAP及贝叶斯估计
- 用最大似然估计求逻辑回归参数
- 贝叶斯估计与最大似然估计
- 参数估计:最大似然估计、贝叶斯估计与最大后验估计
- 文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计
- 最大似然估计、MAP、贝叶斯估计
- 文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计
- 通俗理解最大似然估计,最大后验概率估计,贝叶斯估计
- 最大似然估计、MAP及贝叶斯估计
- 参数估计之最大似然估计
- 误差理论、贝叶斯、最大似然与最小二乘估计
- 文本语言模型的参数估计-最大似然估计、MAP及贝叶斯估计