เมื่อพิจารณาก่อนหน้านี้ค่า ML (ความถี่ - ความเป็นไปได้สูงสุด) และ MAP (Bayesian - ค่าสูงสุดด้านหลัง) จะตรงกัน
อย่างไรก็ตามโดยทั่วไปแล้วฉันกำลังพูดถึงตัวประมาณค่าที่ได้จากการเพิ่มประสิทธิภาพของฟังก์ชันการสูญเสีย กล่าวคือ
โดยที่คือโอเปอเรเตอร์ความคาดหวังคือฟังก์ชันการสูญเสีย (ย่อเล็กสุดที่ศูนย์),คือตัวประมาณให้ข้อมูล , ของพารามิเตอร์และตัวแปรสุ่มจะแสดงด้วยตัวอักษรตัวพิมพ์ใหญ่ .
ไม่มีใครรู้เงื่อนไขใด ๆ เกี่ยวกับ , pdf ของและ , ความเป็นเส้นตรงที่กำหนดและ / หรือความเป็นกลางซึ่งตัวประมาณจะตรงกันหรือไม่?
แก้ไข
ดังที่ระบุไว้ในความคิดเห็นข้อกำหนดที่เป็นกลางเช่นความเป็นกลางจะต้องทำให้เกิดปัญหาที่มีความหมายบ่อย นักบวชแบนอาจเป็นคนธรรมดาสามัญ
นอกจากนี้การอภิปรายทั่วไปให้โดยบางคำตอบคำถามที่มันยังเกี่ยวกับการให้บริการที่เกิดขึ้นจริงตัวอย่าง ฉันคิดว่าสิ่งสำคัญมาจากการถดถอยเชิงเส้น:
- ที่ OLS คือฟ้า ( เกาส์ - มาร์คอฟทฤษฎีบท ) คือมันลด MSE ที่ใช้บ่อยในหมู่ผู้ประมาณค่าแบบไม่เอนเอียง
- ถ้าคือเกาส์และก่อนหน้านี้คือแบนคือ"ด้านหลัง" หมายถึงการลดการสูญเสียค่าเฉลี่ยเบย์สำหรับฟังก์ชั่นการสูญเสียนูนใด ๆ
ที่นี่ดูเหมือนจะเป็นที่รู้จักกันในชื่อ data matrix / การออกแบบในบ่อยครั้ง / Bayesian lingo ตามลำดับ