1.最大似然函数定义
Y={y1,y2,…yn}
p(y1,y2,…yn)=p(y1)p(y2)…p(yn)
即y1,y2,…yn为独立同分布
似然函数:
likelihood=
∏j=1Np(yi)
Lδ=∏j=1Npδ(yi)
Lδ=∏pδ(yj)=∏j=1N∑zpδ(yj∣z)pδ(z)
lnL=∑j=1Nln∑zpδ(yi∣z)pδ(z)
对数中有加和项时难以求到解析解,只能求得近似最优解。
2.琴生不等式
凹函数:
f(21(x1+x2))≥21(f(x1)+f(x2))
f(∑wixi)≥wif(xi)
f(Ex)≥E(f(x))
凸函数:
f(21(x1+x2))≤21(f(x1)+f(x2))
KaTeX parse error: Expected 'EOF', got '\l' at position 15: f(\sum w_ix_i)\̲l̲ ̲eq w_if(x_i)
f(Ex)≤E(f(x))
3.根据琴生不等式可以求解最大似然函数。