機器學習之貝葉斯分類

極大似然估計 機率模型的訓練過程就是參數估計。貝葉斯學派認爲參數是未觀測到的隨機變量，其自己可能也有分佈，所以能夠假定參數服從一個先驗分佈，而後基於觀測到的數據來計算後驗分佈。頻率主義學派則認爲參數雖然未知，可是卻有客觀存在的固定值，所以能夠經過優化似然函數等來肯定參數。極大似然估計(Maximum Likelihood Estimation)就是亙古數據採樣來估計機率分佈參數的經典方法。pyth

>>阅读原文<<