参数估计

参数估计

简单的讨论一下参数估计理论

一、什么是参数估计

  参数通常用来表示一个量,可以是标量也可以是有值向量。按照时间变化,也可以分为时常参数和时变参数。对于时常参数的估计称为参数估计。对于时变的参数估计称为状态估计,本文不研究。参数估计的包括两个主要的模型以及四个基本估计方法,如下图所示:

<span>参数估计</span>

  贝叶斯学派和频率学派最大的不同、根上的不同,就是在于模型 y=wx+b 其中的 w 和 b 两个参数,频率学派认为参数是固定的、也就是上面的非随机模型,只要通过不停的采样、不停的观测训练,就能够估算参数 w 和 b,因为它们是固定不变的;而贝叶斯学派相反,他们认为这些参数是变量,它们是服从一定的分布的,也就是上面的随机模型,这是它最根本的差别。通常上面两种也被称为点估计和区间估计。

二、四种基本的估计方法

2.1  最大似然估计

  使得似然函数达到最大的x即为参数x的ML估计:

<span>参数估计</span>

2.2  最小二乘估计

<span>参数估计</span>

(我还是直接抄书吧。。。以下以上都来自《雷达数据处理及应用》)

 

2.3  最大后验估计

  对于随机参数,由于已知其先验概率p(x),由贝叶斯准则:

<span>参数估计</span>

  可以求得其后验概率密度函数,使后验概率密度函数最大的x被称为参数x的最大后验估计,即:

<span>参数估计</span>

2.4  最小均方误差估计

<span>参数估计</span>

三、最大似然估计和最小二乘估计的对比

  当模型是高斯分布时,最大似然估计和最小二乘估计是等价的。

 

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/119451.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号