🕷️ Crawler Inspector

- [](https://www.cnblogs.com/ "开发者的网上家园") - [会员](https://cnblogs.vip/) - [众包](https://www.cnblogs.com/cmt/p/18500368) - [新闻](https://news.cnblogs.com/) - [博问](https://q.cnblogs.com/) - [闪存](https://ing.cnblogs.com/) - [赞助商](https://www.cnblogs.com/cmt/p/19081960) - [HarmonyOS](https://harmonyos.cnblogs.com/) - [Chat2DB](https://chat2db-ai.com/) - [](https://i.cnblogs.com/EditPosts.aspx?opt=1 "写随笔") [](https://passport.cnblogs.com/GetBlogApplyStatus.aspx "我的博客") [](https://msg.cnblogs.com/ "短消息") []("简洁模式启用，您在访问他人博客时会使用简洁款皮肤展示") [](https://home.cnblogs.com/) [我的博客](https://passport.cnblogs.com/GetBlogApplyStatus.aspx) [我的园子](https://home.cnblogs.com/) [账号设置](https://account.cnblogs.com/settings/account) [会员中心](https://vip.cnblogs.com/my) [简洁模式 ...]("简洁模式会使用简洁款皮肤显示所有博客") [退出登录]() [注册](https://account.cnblogs.com/signup) [登录]()  微信扫一扫打赏支持 [](https://www.cnblogs.com/Renyi-Fan/) # [范仁义](https://www.cnblogs.com/Renyi-Fan) ## 在校每年国奖、每年专业第一，加拿大留学，先后工作于华东师范大学和香港教育大学 - [博客园](https://www.cnblogs.com/) - [首页](https://www.cnblogs.com/Renyi-Fan/) - [新随笔](https://i.cnblogs.com/EditPosts.aspx?opt=1) - [联系](https://msg.cnblogs.com/send/%E8%8C%83%E4%BB%81%E4%B9%89) - [管理](https://i.cnblogs.com/) - [订阅]() [](https://www.cnblogs.com/Renyi-Fan/rss/) # [最大似然估计（MLE）的最大后验概率估计（MAP）区别详解](https://www.cnblogs.com/Renyi-Fan/p/13894540.html "发布于 2020-11-09 00:48") # 最大似然估计（MLE）的最大后验概率估计（MAP）区别详解 ## 一、总结 ### 一句话总结： ##### 最大似然估计（Maximum likelihood estimation, 简称MLE）和最大后验概率估计（Maximum a posteriori estimation, 简称MAP）是很常用的两种【参数估计方法】 ### 1、概率和统计是一个东西吗？ ##### 概率是已知模型和参数，推数据。统计是已知数据，推模型和参数。 ##### 概率研究的问题是，已知一个模型和参数，怎么去预测这个模型产生的结果的特性（例如均值，方差，协方差等等）。 举个例子，我想研究怎么养猪（模型是猪），我选好了想养的品种、喂养方式、猪棚的设计等等（选择参数），我想知道我养出来的猪大概能有多肥，肉质怎么样（预测结果）。 ##### 统计是，有一堆数据，要利用这堆数据去预测模型和参数。仍以猪为例。现在我买到了一堆肉，通过观察和判断，我确定这是猪肉（这就确定了模型。在实际研究中，也是通过观察数据推测模型是／像高斯分布的、指数分布的、拉普拉斯分布的等等），然后，可以进一步研究，判定这猪的品种、这是圈养猪还是跑山猪还是网易猪，等等（推测模型参数）。 ### 2、概率函数和似然函数P(x\|Θ)？ ##### 如果θ是已知确定的，x是变量，这个函数叫做概率函数(probability function)，它描述对于不同的样本点x，其出现概率是多少。 ##### 如果x是已知确定的，θ是变量，这个函数叫做似然函数(likelihood function), 它描述对于不同的模型参数，出现x这个样本点的概率是多少。 ##### 【一菜两吃】：这有点像“一菜两吃”的意思。其实这样的形式我们以前也不是没遇到过。例如，f(x,y)=x^y, 即x的y次方。如果x是已知确定的(例如x=2)，这就是f(y)=2^y, 这是指数函数。 如果y是已知确定的(例如y=2)，这就是f(x)=x^2，这是二次函数。同一个数学形式，从不同的变量角度观察，可以有不同的名字。 ## 二、详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解（转） 转自：详解最大似然估计（MLE）、最大后验概率估计（MAP），以及贝叶斯公式的理解 https://blog.csdn.net/u011508640/article/details/72815981 具体大家去看这篇文章吧，这里做个总结 我的旨在学过的东西不再忘记（主要使用艾宾浩斯遗忘曲线算法及其它智能学习复习算法）的偏公益性质的完全免费的编程视频学习网站： [【读书编程笔记】fanrenyi.com](https://fanrenyi.com/)；有各种前端、后端、算法、大数据、人工智能等课程。 [版权申明：欢迎转载，但请注明出处](https://www.cnblogs.com/Renyi-Fan/p/13894540.html) 一些博文中有一些参考内容因时间久远找不到来源了没有注明，如果侵权请联系我删除。 在校每年国奖、每年专业第一，加拿大留学，先后工作于华东师范大学和香港教育大学。 2025-04-30：宅加太忙，特此在网上找女朋友，坐标上海，非诚勿扰，vx：fan404006308 [录播课资料github地址：https://github.com/fry404006308/fry\_course\_materials](https://github.com/fry404006308/fry_course_materials) AI交流资料群：753014672 ## 作者相关推荐 感悟总结 其它重要感悟总结 [感悟总结200813](https://www.cnblogs.com/Renyi-Fan/p/13498246.html) [最近心境200830](https://www.cnblogs.com/Renyi-Fan/p/13584335.html) [最近心境201019](https://www.cnblogs.com/Renyi-Fan/p/13838135.html) [201218-210205](https://www.cnblogs.com/Renyi-Fan/p/14154555.html) posted @ 2020-11-09 00:48 [范仁义](https://www.cnblogs.com/Renyi-Fan) 阅读(533) 评论(0) [收藏]() [举报]() [刷新页面](https://www.cnblogs.com/Renyi-Fan/p/13894540.html)[返回顶部](https://www.cnblogs.com/Renyi-Fan/p/13894540.html#top) [](https://qoder.com/) ### 公告 [](https://qoder.com/) [博客园](https://www.cnblogs.com/) © 2004-2025 [浙公网安备 33010602011771号](http://www.beian.gov.cn/portal/registerSystemInfo?recordcode=33010602011771) [浙ICP备2021040463号-3](https://beian.miit.gov.cn/)