1
条回答
写回答
写回答
-
推荐回答对于最小二乘法，当从模型中选择n个样本观察值时，参数的合理性要求就是让模型更好地拟合这个样本数据，就是让观察值和估计值之间的误差更小。而对于最大似然函数，当从模型中选择n个样本观察值时，合理的参数估计就是让从模型抽取这n个样本观察值的概率最大化。这是从不同的原理出发的两种参数估计法。
在最大似然法中，通过选择参数，让已知数据在某种意义上最有可能出现，这个某种意义上指的就是最大似然估计，而似然函数指的就是数据的概率分布函数。和最小二乘法不同的是，最大似然法需要提前知道这个数据的分布函数，这在实践中是很难的。一般我们要求线性回归的误差满足均值为0的正态分布，在这种情况下，最大似然函数和最小二乘法相同。
2022-04-01 20:16:17赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
