MAP参数估计
(学习这部分内容大约需要40分钟)
摘要
在贝叶斯参数估计中, 除了先验是特别选定的情况下, 通常要积分掉所有模型参数是没有解析解的. 在这种情况下, 最大后验(maximum a posteriori, MAP)估计是一种常用的近似. 在MAP中, 我们选择最大化后验的参数. 尽管这种方法提供了计算方便, 但它也是有缺点的, 比如对于重新参数化(reparameterization)它不是不变的, 并且MAP估计可能不是后验的代表.
预备知识
学习MAP参数估计需要以下预备知识:
学习目标
- 知道MAP参数估计的定义
- 为什么后验的众数可能不是后验的代表点?
- 为什么MAP估计对于重新参数化(reparameterization)不是不变的?
核心资源
(阅读/观看其中一个资源)
付费
- Machine Learning: a Probabilistic Perspective(MLAPP)
简介: 一本非常全面的研究生机器学习教材
位置: Section 5.2.1, pages 149-152
网站
作者: Kevin P. Murphy - Probabilistic Graphical Models: Principles and Techniques
简介: 一本非常全面的研究生概率AI教材
位置: Section 17.4.4, pages 751-754
网站
作者: Daphne Koller,Nir Friedman
