Badam różne metody szacowania punktowego i czytam, że kiedy używam oszacowań MAP vs ML, kiedy używamy „jednolitego wcześniejszego”, oszacowania są identyczne. Czy ktoś może wyjaśnić, czym jest „jednolity” uprzedni i podać (proste) przykłady, kiedy estymatory MAP i ML będą takie same?
machine-learning
probability
bayesian
estimation
maximum-likelihood
użytkownik1516425
źródło
źródło
Odpowiedzi:
Jest to rozkład równomierny (ciągły lub dyskretny).
Zobacz też
http://en.wikipedia.org/wiki/Point_estimation#Bayesian_point-estimation
i
http://en.wikipedia.org/wiki/Maximum_a_posteriori_estimation#Description
Jeśli użyjesz munduru przed zestawem zawierającym MLE, wówczas MAP = MLE zawsze. Powodem tego jest to, że w ramach tej poprzedniej struktury rozkład a posteriori i prawdopodobieństwo są proporcjonalne.
źródło
MLE jest oszacowaniem wystąpienia danego zdarzenia przy danym parametrze, natomiast MAP jest oszacowaniem parametru przy danym zdarzeniu. Kiedy dalej wykorzystujemy twierdzenie Bayesa podczas szacowania MAP, sprowadza się ono doP.( D | θ ) P.( θ ) gdzie P.( θ ) jest jedynym dodatkowym terminem w odniesieniu do MLE. Oszacowanie średniej i wariancji MAP będzie takie samo, jak oszacowanie średniej i wariancji MLE, ponieważ Prior pozostaje za każdym razem taki sam i w ogóle się nie zmienia. Zatem działa tylko jako stała, a zatem nie odgrywa żadnej roli w wpływie na wartość średniej i wariancji.
źródło
The mean and variance estimate of MAP will be same as mean and variance estimate of MLE
? Dziękuję