3. 极大似然估计 v.s. 贝叶斯估计
极大似然估计与贝叶斯估计是统计中两种对模型的参数确定的方法,最大的不同就在于是否考虑了先验,贝叶斯估计需要设定先验p ( θ )
3.1 极大似然估计
极大似然估计(MLE,Maximum Likelihood Estimation)源自频率学派,提供了一种根据样本数据来估计总体分布参数的方法,即给定样本数据D ,寻找参数θ \thetaθ,使得条件概率p ( θ ∣ D )最大,优化目标如下:
根据贝叶斯公式,
在极大似然估计中假设θ \thetaθ是确定的(均匀分布的),所以p ( θ ) p(\theta)p(θ)为常数;
p ( D ) 同样是根据已有的数据得到的,为确定值(可看做概率归一化因子);
p ( D ∣ θ ) 称为似然函数,表示不同的参数向量θ下,观察数据集D 出现的可能性大小。
优化目标等价于最大化似然函数
即在给定样本数据的情况下,寻找参数θ ^ 满足
使得该参数分布下产生样本数据的概率最大(极大似然估计认为观测到的样本就是发生概率最大的那次实现,参数完全取决于实验结果)。
从事件的角度考虑,某事件D 发生时,寻找最可能导致这件事情发生的原因θ = θ ^(θ 有多种取值对应多种原因),使得基于原因θ ^,事件D发生的可能性最大。
对于样本数据D = { ( X1 ,y1 ) . . . . . . (Xn, yn) }一般假设数据是相互独立的,因此有
为了便于计算,通常引入对数来处理(对对数似然函数求导,并令其导数为0,通过求解似然方程得到参数)。
3.2 贝叶斯估计
贝叶斯估计假定参数服从一个先验分布p ( θ ),该先验分布更多的时候完全是一种假设(可凭主观判断或客观分析得出)。
然后结合样本数据,校正先验分布,得到后验分布$p(\theta \mid D) 的概率分布模型(并不求出参数 的概率分布模型(并不求出参数的概率分布模型(并不求出参数\theta$的具体值,通常取后验分布的期望作为参数的估计值):
先验分布p(θ)+样本数据D⇒后验分布p(θ∣D)
由于先验概率p ( θ )不再是一个常量,而是某种概率分布的函数,就会导致较高的计算复杂度。
为避免计算所有的后验概率p ( θ ∣ D ),通过最大后验概率(Maximum A Posterior)来对参数估计,类似于极大似然估计的思想。
最大后验估计
最大后验概率估计(MAP, maximum a posterior)在已知数据D 的情况下,寻找参数θ,最大化后验概率p ( θ ∣ D )),即
根据贝叶斯公式,
由于P ( D ) 根据已有数据得到,为确定值,因此相当于
即求得的θ不单单让似然函数大,θ 自己出现的先验概率也得大。
MAP类似正则化里的加惩罚项(正则化利用加法,而MAP利用乘法),即不仅仅依赖于实验数据,通过引入先验信息减少实验数据过拟合风险(MLE在试验数据过少的情况会导致过拟合)。
假设P ( θ ) 是一个高斯分布,则
即,在MAP中使用一个高斯分布的先验等价于采用L2的regularizaton。
3.3 举例
e.g. 假设一个袋子里面装着白球和黑球,通过连续有放回的从袋子里面取10次,白球7次,黑球3次,估计下次取出一个球是白球的概率是多少。
设取到白球的概率为θ ( 0 ≤ θ ≤ 1 ) ,服从二项分布。
(1)极大似然估计
计算10次抽取的总概率
需要选择使样本结果出现的可能性最大的θ 值,将p ( D ∣ θ )看做θ \thetaθ的方程f ( θ ),对其取对数
令导数等于零,θ = 0.7
(2)贝叶斯估计
假设θ 服从Beta分布,即θ ∼ B e t a ( α , β ) ,则
由于p ( θ )=使用的先验模型贝塔分布,与p ( θ ∣ D )=使用的伯努利分布是共轭关系,使得伯努利分布乘以Beta分布,得到的结果是一个新的Beta分布。
共轭先验
在贝叶斯估计中,如果选取先验分布p ( θ ),使其与后验分布p ( θ ∣ D ) D)p(θ∣D) 属同一分布簇(即共轭分布),则称 p ( θ ) 为似然函数 p ( D ∣ θ )的共轭先验。
常见的共轭先验有:Beta分布(二项分布)、Dirichlet分布(多项分布)。
共轭先验有如下好处:
符合直观,先验分布和后验分布应该是相同形式的;
可以给出后验分布的解析形式;
可以形成一个先验链,即现在的后验分布可以作为下一次计算的先验分布,如果形式相同,就可以形成一个链条。
最大后验概率估计
假设先验认为白球与黑球的数量是一样的,即θ = 0.5的概率很大,使用均值0.5,方差0.1的正态分布描述该先验知识(也可使用其他先验模型,如Beta分布等)。
使用最大后验概率估计,需要最大化p ( D ∣ θ )
函数在θ = 0.558时取得最大值时,不再是0.7,即用最大后验概率估计θ = 0.558 。可见样本不够多的情况下,先验模型的选择对结果产生较大影响。
如果抽取球100次,白球70次,黑球30次,函数在θ接近0.7 时取得最大值。继续抽取,可进一步修正θ 值。
当样本非常少时,先验会严重影响估计;随着数据量的增加,参数θ 的值会越来越向数据靠拢,先验的影响力会越来越小。
4. 朴素贝叶斯分类器
对于训练数据集D 中的样本( x , y )
P(y)是类先验概率(class-prior probability)
P ( y ∣ x ) 是类后验概率(class-posterior probability)
P ( x ∣ y ) 是样本x 相对于类标记y 的类条件概率(class-conditional probability),或称为似然(likelihood)
P ( x ) 是用于归一化的证据(evidence)因子,P ( x ∣ y ) P ( x ))为调整因子,又称标准似然度
贝叶斯分类器对于每个样本x ,选择使后验概率( y ∣ x ) 最大的类别标记
朴素贝叶斯假设一个属性值在给定类上的影响独立于其他属性的值(类条件独立性,attribute conditional independence assumption):
由于P ( x ) 为常数,
因此,朴素贝叶斯分类器的训练过程就是基于训练集D 来估计类先验概率P ( y ) ,并为每个属性估计条件概率P ( Xi∣ y )
朴素贝叶斯在估计参数时选用了极大似然估计(基于样本数据中的频次计数),但是在做决策时则使用了MAP估计。