MLE 和 MAP 做个总结_在贝叶斯学派中,当用高斯分布来逼近先验概率分布时,mle和map之间的关系是什么?-优快云博客

本文链接：https://blog.youkuaiyun.com/Francis_s/article/details/120625880

之前自己一直理解不来MLE和MAP的区别，脑筋一直拗不过来，今天难得没课重新捡起来，解决一下

最重要的就是怎么理解模型的参数在公式里面的地位，充当什么角色！

基本上每一篇博客都会介绍一下品频率学派和贝叶斯学派，一开始觉得怎么都千篇一律，后来发现还真有点道理。

频率学派，我自己理解就是概率，他们觉得当前这个模型的参数 $\theta$ 已经上天安排好了，也就是固定的，我们的任务就是找到 $\theta$ 的麻，所以直接对数据（样本）进行建模。用MLE进行操作

贝叶斯学派，我自己理解就是统计，他们觉得这个参数 $\theta$ 上天没安排好，这个参数其实也是服从某一个分布的，所以利用已有的数据（样本）和已有参数（ $\theta$ ）对这个参数 $\theta$ （我们要求的）进行建模。

MAP： $argmaxP(\theta|D)$ 怎么理解这个D在后面呢？因为我们是基于数据去对参数进行估计的，我们假设有一个预估的先验概率，然后根据观测数据，不断调整之前的预估，也就是让这个参数尽可能地接近实际情况，所以在这里 $\theta$ 成了一个参数了。所以这个参数 $\theta$ 也是一个服从某种潜在的分布，因此先验概率的value是非常重要的！