文档摘要

贝叶斯方法与序列模型 贝叶斯方法把先验信念与观测数据结合起来，得到关于模型参数的后验分布。本文件介绍极大似然估计、MAP 估计、共轭先验、贝叶斯推断、隐马尔可夫模型和 EM 算法——这些技术是垃圾邮件过滤器、语言模型和具备不确定性感知的 ML 背后的支撑。 到目前为止，我们已经描述了分布以及如何计算概率。现在我们来解决机器学习的核心问题：给定观测数据，如何为我们的模型找到最佳参数？ 极大似然估计（Maximum Likelihood Estimation，MLE）直接回答了这个问题。选择使观测数据出现概率最大的参数值。

---