目标与最大似然估计(MLE)基本相同。我们有一个假设模型 ,由参数 参数化。我们希望基于带标签的数据集 将特征 分类到某个类别 中。在 MLE 中,我们试图最大化似然:
而在 MAP 中,我们改为最大化后验概率:
我们立即注意到,如果 是均匀分布,则 。
目标与最大似然估计(MLE)基本相同。我们有一个假设模型 p(xj∣ωj),由参数 θ 参数化。我们希望基于带标签的数据集 D 将特征 x 分类到某个类别 ωj 中。在 MLE 中,我们试图最大化似然:
θ^MLE=argθmaxp(D∣θ)而在 MAP 中,我们改为最大化后验概率:
θ^MAP=argθmaxp(θ∣D)=argθmaxp(D∣θ)p(θ)我们立即注意到,如果 p(θ) 是均匀分布,则 θ^MAP=θ^MLE。