美文网首页机器学习
似然函数

似然函数

作者: 9933fdf22087 | 来源:发表于2019-07-06 15:31 被阅读5次
作者: 泛音/Fain
网站: https://www.fainke.com
微信公众号: 知识交点
写作目的：用简短的文字让知识变得简单

概述：统计学中，似然函数是一种关于统计模型参数的函数。当给定输出x时，关于参数\theta的似然函数L(\theta | x)似然值等于给定参数\theta后变量x的发生概率L(\theta | x)=P(X=x | \theta)。

实列：一枚正反对称值的硬币，做上抛一次正面朝上的概率为0.5，那么上抛三次都为正面的概率P为0.5 * 0.5 * 0.5=0.125。但是，如果已知上抛十次硬币，且有七次为正面，三次为反面，则这枚硬币的对称值L(正面朝上的极大似然值)为0.7。如果上抛无穷次都为正面朝上的话，那么正面朝上的极大似然值就为1，表示接下来抛硬币正面朝上的概率为1。

求解：对上述例子进行求解最大似然值。.
上述抛十次硬币的例子转为公式P(A)=p^{7} *(1-p)^{3}，对该式子取对数可得\ln (P(A))=\ln \left(p^{7} *(1-p)^{3}\right)=7 \ln (p) + 3 \ln (1-p)令\ln ^{\prime}(P(A))=0可得\frac{7}{p} + \frac{3}{p-1}=0，求解得p=0.7。表示这种事件的最大概率为0.7。

公式解说：

假设样本集D=\left\{x_{1}, x_{2}, \cdots, x_{N}\right\}中的样本都是独立分布，似然函数为：l(\theta)=p(D | \theta)=p\left(x_{1}, x_{2}, \cdots, x_{N} | \theta\right)=\prod_{i=1}^{N} p\left(x_{i} | \theta\right)，求使似然函数l(\theta)最大的\theta。

相关文章

  • 似然函数

    在数理统计学中，似然函数是一种关于统计模型中的参数的函数，表示模型参数中的似然性。 似然函数在统计推断中有重大作用...

  • 似然函数

    似然函数 统计学中，似然函数是一种关于统计模型参数的函数。给定输出x时，关于参数θ的似然函数L(θ|x)（在数值上...

  • 似然函数

    概率描述的是在一定条件下某个事件发生的可能性，概率越大说明这件事情越可能会发生 而似然描述的是结果已知的情况下，该...

  • 似然函数

    在给定数据X，参数的似然函数也就是观察到数据X的概率 ，通过概率反过来推到参数，而参数对于样本空间的数据很重要。博...

  • 似然函数

    概述：统计学中，似然函数是一种关于统计模型参数的函数。当给定输出时，关于参数的似然函数似然值等于给定参数后变量的发...

  • 似然函数

    概述：统计学中，似然函数是一种关于统计模型参数的函数。当给定输出时，关于参数的似然函数似然值等于给定参后变量的发生...

  • Logistic Regression

    模型 模型参数估计 采用极大似然估计法 设: 似然函数: 对数似然函数： ...

  • Logistics回归公式的推导

    首先根据最大似然估计找到目标 函数 似然函数为 对数似然为 代价函数为 梯度下降，逐渐更新`$\theta$` 设...

  • 最大似然函数

    极大似然估计法是基于极大似然原理提出的，为了说明极大似然原理，我们先看个例子 例子：1、某同学与一位猎人一起外出打...

  • [ML] 似然函数

    1. 似然函数 似然函数是关于模型参数的函数。也就是说似然函数表示在选定模型的情况下，对于已有的样本，估计模型参数...

网友评论

    本文标题：似然函数

    本文链接：https://www.haomeiwen.com/subject/prwphctx.html

    延伸阅读

    深度阅读

    • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

    栏目导航

    热点阅读

    机器学习

    关于我们|服务条款|联系我们|似然函数|投稿指南|网站地图|RSS订阅|排版工具|手机版

    提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

    Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

    备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

    本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

    所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！