อะไรคือความแตกต่างหลักระหว่างการประมาณค่าความน่าจะเป็นสูงสุด (MLE) กับการประมาณกำลังสองน้อยที่สุด (LSE)?
เหตุใดเราไม่สามารถใช้ MLE เพื่อทำนายค่าในการถดถอยเชิงเส้นและในทางกลับกันได้
ความช่วยเหลือใด ๆ ในหัวข้อนี้จะได้รับการชื่นชมอย่างมาก
อะไรคือความแตกต่างหลักระหว่างการประมาณค่าความน่าจะเป็นสูงสุด (MLE) กับการประมาณกำลังสองน้อยที่สุด (LSE)?
เหตุใดเราไม่สามารถใช้ MLE เพื่อทำนายค่าในการถดถอยเชิงเส้นและในทางกลับกันได้
ความช่วยเหลือใด ๆ ในหัวข้อนี้จะได้รับการชื่นชมอย่างมาก
คำตอบ:
ฉันต้องการให้คำตอบที่ตรงไปตรงมา
อะไรคือความแตกต่างหลักระหว่างการประมาณค่าความน่าจะเป็นสูงสุด (MLE) กับการประมาณกำลังสองน้อยที่สุด (LSE)?
ตามที่ @TrynnaDoStat แสดงความคิดเห็นการลดข้อผิดพลาดกำลังสองน้อยที่สุดจะเท่ากับการเพิ่มโอกาสสูงสุดในกรณีนี้ ตามที่กล่าวในวิกิพีเดีย ,
ในโมเดลเชิงเส้นหากความผิดพลาดเป็นของการแจกแจงแบบปกติตัวประมาณกำลังสองน้อยที่สุดก็เป็นตัวประมาณค่าความน่าจะเป็นสูงสุดด้วย
พวกเขาสามารถดูได้เช่นเดียวกันในกรณีของคุณ
ขอผมดูรายละเอียดหน่อย เนื่องจากเรารู้ว่าตัวแปรตอบสนอง ( )
เหตุใดเราไม่สามารถใช้ MLE เพื่อทำนายค่าในการถดถอยเชิงเส้นและในทางกลับกันได้
แอปพลิเคชันระดับมืออาชีพไม่เพียง แต่พอดีกับข้อมูลเท่านั้น แต่ยังตรวจสอบ:
นอกจากนี้ยังมีการทดสอบสถิติเฉพาะจำนวนมากสำหรับสมมติฐาน สิ่งนี้ไม่จำเป็นต้องใช้กับผู้ประเมิน ML ทุกคนหรือควรระบุอย่างน้อยพร้อมหลักฐาน
อย่าลังเลที่จะสอบถามรายละเอียด