- Bagaimana anda menemui kebarangkalian posteriori maksimum?
- Adakah maksimum kebarangkalian posteriori menggunakan taburan kebarangkalian terdahulu?
- Apakah perbezaan utama antara pendekatan kemungkinan maksimum dan maksimum pendekatan posteriori?
- Apa perbezaan antara kesimpulan MLE dan peta?
Bagaimana anda menemui kebarangkalian posteriori maksimum?
Untuk mencari anggaran peta, kita perlu mencari nilai x yang memaksimumkan fx | y (x | y) = fy | x (y | x) fx (x) fy (y). Perhatikan bahawa FY (y) tidak bergantung pada nilai x. Oleh itu, kita dapat mencari nilai x yang sama dengan memaksimumkan fy | x (y | x) fx (x).
Adakah maksimum kebarangkalian posteriori menggunakan taburan kebarangkalian terdahulu?
Maksimum Anggaran Posteriori adalah rangka kerja probabilistik untuk menyelesaikan masalah anggaran ketumpatan. Peta melibatkan mengira kebarangkalian bersyarat untuk memerhatikan data yang diberikan model yang ditimbang oleh kebarangkalian atau kepercayaan terdahulu mengenai model.
Apakah perbezaan utama antara pendekatan kemungkinan maksimum dan maksimum pendekatan posteriori?
Maksimum posteriori
Perbezaannya ialah anggaran peta akan menggunakan lebih banyak maklumat daripada MLE; Khususnya, anggaran peta akan mempertimbangkan kedua -dua kemungkinan - seperti yang diterangkan di atas - dan pengetahuan terdahulu tentang keadaan sistem, x [6].
Apa perbezaan antara kesimpulan MLE dan peta?
Perbezaan antara MLE/MAP dan kesimpulan Bayesian
MLE memberi anda nilai yang memaksimumkan kemungkinan P (D | θ). Dan peta memberi anda nilai yang memaksimumkan kebarangkalian posterior p (θ | d). Memandangkan kedua -dua kaedah memberi anda satu nilai tetap, mereka dianggap sebagai penganggar titik.