先验概率、后验概率、似然函数
2017-10-24 21:37
267 查看
以下以因果关系来刻画先验概率、后验概率以及似然概率的关系。
先验概率:根据经验得到的结果的概率(已知结果);
后验概率:在知道原因的情况下,求结果发生的概率(执因求果);
似然概率:知道结果的情况下,求最可能导致结果发生的原因(知果求因);
举个例子:
已知车祸有一定概率会导致堵车,此处车祸是因,堵车是果。
P(堵车) 是先验概率。
P(堵车|车祸)是后验概率。
我们有以下三个随机事件
A 警察查酒驾
B 下班高峰
C 车祸
三个事件都会导致堵车,在已知堵车的情况下,哪个事件最可能发生,即是极大似然估计,即求 argmax(P(A|堵车),P(B|堵车),P(C|堵车))。argmax返回A,B,C三者中使得概率最大的事件。
先验——根据若干年的统计(经验)或者气候(常识),某地方下雨的概率;
似然——下雨(果)的时候有乌云(因 or 证据 or 观察的数据)的概率,即已经有了果,对证据发生的可能性描述;
后验——根据天上有乌云(原因或者证据 or 观察数据),下雨(结果)的概率;后验 ~ 先验*似然 : 存在下雨的可能(先验),下雨之前会有乌云(似然)~ 通过现在有乌云推断下雨概率(后验);
最大似然估计:在已知模型和采样样本的情况下,求得模型的参数,使得该模型能最好的符合样本情况。最大似然估计只考虑某个模型能产生某个给定观察序列的概率。而未考虑该模型本身的概率。这点与贝叶斯估计有区别。
MAP与MLE最大区别是MAP中加入了模型参数本身的概率分布,或者说。MLE中认为模型参数本身的概率的是均匀的,即该概率为一个固定值。
关于最大似然估计和最大后验估计可以参照以下博客:
http://blog.csdn.net/HUSTLX/article/details/51144710
https://www.zhihu.com/question/24261751/answer/88663605
https://zhuanlan.zhihu.com/p/24423230
http://blog.csdn.net/HUSTLX/article/details/51144710
先验概率:根据经验得到的结果的概率(已知结果);
后验概率:在知道原因的情况下,求结果发生的概率(执因求果);
似然概率:知道结果的情况下,求最可能导致结果发生的原因(知果求因);
举个例子:
已知车祸有一定概率会导致堵车,此处车祸是因,堵车是果。
P(堵车) 是先验概率。
P(堵车|车祸)是后验概率。
我们有以下三个随机事件
A 警察查酒驾
B 下班高峰
C 车祸
三个事件都会导致堵车,在已知堵车的情况下,哪个事件最可能发生,即是极大似然估计,即求 argmax(P(A|堵车),P(B|堵车),P(C|堵车))。argmax返回A,B,C三者中使得概率最大的事件。
先验——根据若干年的统计(经验)或者气候(常识),某地方下雨的概率;
似然——下雨(果)的时候有乌云(因 or 证据 or 观察的数据)的概率,即已经有了果,对证据发生的可能性描述;
后验——根据天上有乌云(原因或者证据 or 观察数据),下雨(结果)的概率;后验 ~ 先验*似然 : 存在下雨的可能(先验),下雨之前会有乌云(似然)~ 通过现在有乌云推断下雨概率(后验);
最大似然估计:在已知模型和采样样本的情况下,求得模型的参数,使得该模型能最好的符合样本情况。最大似然估计只考虑某个模型能产生某个给定观察序列的概率。而未考虑该模型本身的概率。这点与贝叶斯估计有区别。
MAP与MLE最大区别是MAP中加入了模型参数本身的概率分布,或者说。MLE中认为模型参数本身的概率的是均匀的,即该概率为一个固定值。
关于最大似然估计和最大后验估计可以参照以下博客:
http://blog.csdn.net/HUSTLX/article/details/51144710
https://www.zhihu.com/question/24261751/answer/88663605
https://zhuanlan.zhihu.com/p/24423230
http://blog.csdn.net/HUSTLX/article/details/51144710
相关文章推荐
- 先验概率、似然函数与后验概率
- 【机器学习】先验概率、后验概率、贝叶斯公式、 似然函数
- 先验概率、似然函数与后验概率
- 先验概率、似然函数、后验概率、贝叶斯公式
- 先验概率、似然函数与后验概率
- 先验概率、似然函数与后验概率
- 【机器学习】先验概率、后验概率、贝叶斯公式、 似然函数
- 先验概率、后验概率、似然估计,似然函数、贝叶斯公式
- 先验概率、似然函数与后验概率
- 先验概率、似然函数与后验概率
- [经验分享] 先验概率、似然函数与后验概率
- 【机器学习】先验概率、后验概率、贝叶斯公式、 似然函数
- 机器学习中的贝叶斯方法---先验概率、似然函数、后验概率的理解及如何使用贝叶斯进行模型预测(1)
- 先验概率与后验概率、似然函数
- 先验概率、似然函数、后验概率、贝叶斯公式
- 机器学习中的贝叶斯方法---先验概率、似然函数、后验概率的理解及如何使用贝叶斯进行模型预测(2)
- 关于先验概率、似然函数以及后验概率的一点总结
- 先验概率、后验概率、贝叶斯公式、 似然函数
- 先验概率,似然函数和后验概率
- 一个关于先验概率、似然函数与后验概率计算的小例子