最大似然估计

 

通俗的说说最大似然估计吧,文绉绉的概念和严谨的公式推导总是记不住,又让人昏昏欲睡....



1.什么是最大似然估计



 



2.如何估计



 


  设样本:

,概率分布模型:f,要估计的参数θ,优化目标函数:

最大似然估计来估计高斯混合模型_参数估计

3.求解

  首先假设样本

独立同分布,则问题转化为:

最大似然估计来估计高斯混合模型_最大似然估计来估计高斯混合模型_02


在实际应用中常用的是两边取对数,得到公式如下:


最大似然估计来估计高斯混合模型_参数估计_03

其中

最大似然估计来估计高斯混合模型_最大似然估计_04

称为对数似然,而

最大似然估计来估计高斯混合模型_概率分布_05

称为平均对数似然。而我们平时所称的最大似然为最大的对数平均似然,即:  

最大似然估计来估计高斯混合模型_最大似然估计来估计高斯混合模型_06

4.注意

(1)样本要满足的独立同分布  

(2)参数 θ为参数向量,不一定就是一个数。

(3)求解上面的优化问题的方法可以用导数的方法,但有时可能解不唯一;有时可能行不通。所以也可以用其他优化方法。