Mam model mieszanki, w którym chcę znaleźć estymator maksymalnego prawdopodobieństwa dla danego zestawu danych i zestawu częściowo zaobserwowanych danych . I realizowane zarówno E etapie (obliczenie oczekiwania dane i aktualnych parametrów ), i M-etapie, w celu zminimalizowania negatywnych...
Przeczytałem w książce dotyczącej uczenia maszynowego, że parametry regresji liniowej można oszacować (między innymi metodami) za pomocą spadku gradientu, podczas gdy parametry regresji logistycznej są zwykle szacowane przez oszacowanie maksymalnego prawdopodobieństwa. Czy można wyjaśnić...
Pytanie oparte jest na pracy zatytułowanej: Rekonstrukcja obrazu w rozproszonej tomografii optycznej z wykorzystaniem sprzężonego radiacyjnego modelu transportowo-dyfuzyjnego Link do pobrania Autorzy stosują algorytm EM z rzadkości nieznanego wektora celu oszacowania pikseli obrazu. Model...
Hastie i Tibshirani wspominają w rozdziale 4.3.2 swojej książki, że w regresji liniowej podejście metodą najmniejszych kwadratów jest w rzeczywistości szczególnym przypadkiem maksymalnego prawdopodobieństwa. Jak możemy udowodnić ten wynik? PS: Nie oszczędzaj żadnych szczegółów...
Casella i Berger podają właściwość niezmienniczości estymatora ML w następujący sposób: Wydaje mi się jednak, że określają „prawdopodobieństwo” ηη\eta w całkowicie doraźny i bezsensowny sposób: Jeśli zastosuję podstawowe zasady teorii prawdopodobieństwa do prostego przypadku, gdzieś...
Rozważmy Bayesa posterior . Asymptotycznie, jego maksimum występuje przy oszacowaniu MLE , co tylko maksymalizuje prawdopodobieństwo .θ ∣ Xθ∣X\theta\mid Xθ^θ^\hat \thetaargminθfaθ( X)argminθfθ(X)\operatorname{argmin}_\theta\, f_\theta(X) Wszystkie te koncepcje - priory bayesowskie, maksymalizujące...