Machine learning 最大似然参数估计
鉴于此数据集: 颜色|大小 红色|大 白色|小 红色|大 红色|小 白色|大 红色|大Machine learning 最大似然参数估计,machine-learning,bayesian,mle,Machine Learning,Bayesian,Mle,鉴于此数据集: 颜色|大小 红色|大 白色|小 红色|大 红色|小 白色|大 红色|大 下面的贝叶斯网络:Color->Size,我要找到贝叶斯网络的最大似然参数。估计数是多少?我不知道如何继续,因此非常感谢您的帮助。假设您的颜色和尺寸变量为多项式分布,您需要估计以下参数: 颜色: :红色概率。 :白色概率。 尺寸: :如果是红色,则成为大人物的概率。 :考虑到是白人,大个子的可能性。 :红色时的小概率。 :如果是白人,则可能性很小。 最后只有3个,因为 , 可能性是给定模型的观测数据的概率,在
下面的贝叶斯网络:Color->Size,我要找到贝叶斯网络的最大似然参数。估计数是多少?我不知道如何继续,因此非常感谢您的帮助。假设您的颜色和尺寸变量为多项式分布,您需要估计以下参数: 颜色: :红色概率。 :白色概率。 尺寸: :如果是红色,则成为大人物的概率。 :考虑到是白人,大个子的可能性。 :红色时的小概率。 :如果是白人,则可能性很小。 最后只有3个,因为 , 可能性是给定模型的观测数据的概率,在这种情况下,对于具有n个颜色和大小观测值的数据集: , 和参数: , 可能性由以下公式得出: 因为我们在这里处理颜色和给定颜色大小的伯努利分布,我们可以这样写: 其中是红色和较小的观察计数,其他M的定义类似 最后,通过优化似然函数,可以得到参数估值器:
假设颜色和尺寸变量为多项式分布,则需要估计以下参数: 颜色: :红色概率。 :白色概率。 尺寸: :如果是红色,则成为大人物的概率。 :考虑到是白人,大个子的可能性。 :红色时的小概率。 :如果是白人,则可能性很小。 最后只有3个,因为 , 可能性是给定模型的观测数据的概率,在这种情况下,对于具有n个颜色和大小观测值的数据集: , 和参数: , 可能性由以下公式得出: 因为我们在这里处理颜色和给定颜色大小的伯努利分布,我们可以这样写: 其中是红色和较小的观察计数,其他M的定义类似 最后,通过优化似然函数,可以得到参数估值器:
关于统计学的问题,最好向统计学家询问关于统计学的问题,最好向统计学家询问使似然函数最大化的假设在本例中是什么样的?这是一个完整的假设吗?在这个例子中,最大化似然函数的假设是什么样的?这是一个完整的假设吗?