Lütfen bana Bayesian tahmini ve Maksimum olabilirlik tahminindeki farkı açıklayın.
Lütfen bana Bayesian tahmini ve Maksimum olabilirlik tahminindeki farkı açıklayın.
Yanıtlar:
Bu çok geniş bir soru ve buradaki cevabım sadece yüzeyi biraz çizmeye başlıyor. Kavramları açıklamak için Bayes kuralını kullanacağım.
En olasılık dağılımı parametreleri bir dizi, farz edelim , en iyi veri kümesi açıklıyor D . Parametreleri θ Bayes Kuralı'nın yardımıyla tahmin etmek isteyebiliriz :
Açıklamalar aşağıdaki gibidir:
Maksimum Olabilirlik Tahmini
Başka bir deyişle, yukarıdaki denklemde MLE, terimini ele alır.
Bayes Tahmini
Bu, Bayesçi tahminde 'eşlenik öncelikler' kavramına yol açar. Belirli bir olasılık işlevi için, önceki inançlarımızı nasıl ifade ettiğimiz konusunda bir seçeneğimiz varsa, yukarıda gösterilen entegrasyonu gerçekleştirmemize izin veren formu kullanmalıyız. Konjugat önceliği fikri ve pratikte nasıl uygulandıkları, bu yazıda COOlSerdash tarafından oldukça iyi açıklanmıştır .
Parametrik çıkarımda olduğu gibi nokta tahmininden bahsettiğinizi düşünüyorum, böylece bir veri üretme mekanizması için parametrik bir olasılık modeli varsayabiliriz, ancak parametrenin gerçek değeri bilinmemektedir.
Maksimum olabilirlik tahmini, veriler için bir olasılık modeli kullanmak ve gözlemlenen verilerin ortak olabilirlik fonksiyonunu bir veya daha fazla parametre üzerinde optimize etmek anlamına gelir. Bu nedenle, tahmin edilen parametrelerin, parametre alanındaki diğer parametrelere göre gözlemlenen verilerle en tutarlı olduğu görülmüştür. Bu olasılık fonksiyonlarının, parametrelerin rastgele değişken olmadığı için parametrelere "şartlı" olarak bakmadıklarını, dolayısıyla iki farklı parametreyi karşılaştırarak çeşitli sonuçların olasılığını kavramak için biraz daha karmaşık olduğunu unutmayın. Bunun felsefi olarak sağlam bir yaklaşım olduğu ortaya çıktı.
Bayesian tahmini biraz daha genel çünkü biz muhtemelen Bayesian benzerliğini en üst düzeye çıkarmak zorunda değiliz (posterior yoğunluk). Bununla birlikte, benzer tipte bir tahmin (veya arka mod tahmini) verilere bağlı olan arka parametrenin olasılığını maksimize ettiği görülmektedir. Genellikle, Bayes'in bu şekilde elde ettiği tahminler, neredeyse ML'ninkilerle aynı şekilde hareket eder. Temel fark, Bayes çıkarımının açık bir yönteme önceden bilgi eklemesine izin vermesidir.
Ayrıca 'Maksimum Olabilirlik Destanı Tarihi aydınlatıcı bir okuma yapar
Bayesian tahmini, Bayesian çıkarımı, MLE ise sıkça yapılan bir çıkarım yöntemidir.
MLE'nin Bayesian çıkarımındaki alternatifi maksimum posteriori tahmini (kısaca MAP) olarak adlandırılır ve aslında MLE, yukarıda gördüğümüz gibi ve Wikipedia'da belirtildiği gibi öncekinin tek biçimli olduğu özel bir MAP vakasıdır :
Bayesci çıkarım açısından, MLE, parametrelerin düzgün bir şekilde önceden dağıldığını varsayan maksimum bir posteriori kestiriminin (MAP) özel bir halidir.
Ayrıntılar için bu harika makaleye bakınız: MLE vs MAP: Maksimum Olabilirlik ve Maksimum A Posteriori Tahmini arasındaki bağlantı .
Ve bir başka fark azami ihtimalin fazlaca eğilimli olmasıdır, ancak Bayesian yaklaşımını benimserseniz aşırı uydurma problemi önlenebilir.