0
点赞
收藏
分享

微信扫一扫

【最小二乘估计与极大似然估计】

王远洋 2022-04-15 阅读 41
矩阵

两者思想的差异

最小二乘估计与极大似然估计都是用来样本值来估计真实值的,之所以需要估计,是因为用数学量化真实世界事物关系时总是存在误差。

  • 我们尽管痛苦的承认了有不能解释的误差,但是我们依然想尽可能的让这种『不被解释』的误差程 度最小,于是我们就想最小化区种不被解程的程度。因为点可能在线的上面或者下面,故而距离有 正有负,取绝对值又大麻烦,于是我们就直接把每个距旁都取一个平方变成正的,然后试图找出一 个距离所有点的距离的平方最小的这条线 这就是最小二乖法°、了,简单粗暴而有效。

  • 而极大似然则更加的有哲理一些。还用上面的例子,我们观察到了三个点,于是我们开 什么我们观察到的是这三个点而不是另外三个?大千世界,去云众生,这么多人都有不后 不同的学历,但是偏偏这三个点让我给观察到了。这肯定说明了某种世界的真相。什么世界的真相呢?因为我们观案到了这三个点,反过来说,冥冥之中注定了这三个点被我们观察 到的概率可能是最大的。所以我们希望找到一个特定的底新和教育增量新水的组合,让我们观祭到 这三个点的概率最大,这个找的过程就是极大似然估计。
    总结一句话:最小二乖法的核心是权衡,因为你要在很多条线中间选择,选择出距离所有的点之 最短的;而极大似然的核心是自恋,要相信自己是天选之子,自己看到的,就是冥冥之中最接近1真相的。

最小二乘法

拟合二维直线

用最小二乘拟合直线的例子很常见,例如直线:y=a+bx
根据最小二乘思想,无法使根据大量样本(x,y点对),估计a、b,即可拟合出直线方程
计算过程:

  1. 写出误差平方公式
    在这里插入图片描述

  2. 对a、b分别求偏导
    在这里插入图片描述
    在这里插入图片描述

  3. 解算a、b即可获得拟合的直线方程
    -

拟合三维平面

三维直线不容易表示(两平面交线),所以拟合平面来看下最小二乘如何工作
通常三维平面表示为:ax + by + cz +d =0

  1. 将其转化为:z = ax + by + c

  2. 误差平方公式:在这里插入图片描述

  3. 计算误差最小时的a、b、c即计算该方程的极值,求偏导:在这里插入图片描述即:在这里插入图片描述

  4. 将其改为矩阵方程,得:在这里插入图片描述

  5. 求解该恰定方程即可得到a,b,c。上述方程也可以用AX=b表示,该方程可以通过两边同时乘以系数矩阵的逆矩阵求得,即X=A-1Ab

极大似然估计

请添加图片描述

公式相关性

最大似然估计和最小二乘法怎么理解

举报

相关推荐

0 条评论