機器學習_參數估計/貝葉斯（已知解析式求參數）

【1】必要性：已知概率密度函數形式，用樣本來估計參數。 【2】最大似然估計：         1.理論：現在已經拿到了很多個樣本，那麼我們要找一個參數，使這些樣本發生的可能性最大。這些樣本已經產生了，所以找到的這個參數應當最有利於這些樣本的產生。         2.似然函數：實質就是概率函數，含有參數而樣本點已經帶入的函數。詳情見下面。            http://blog.csdn.n

>>阅读原文<<