概率密度估计与最大似然估计

Views: --
#模式识别 #最大似然估计 #课程笔记 #复习

贝叶斯决策要用到先验和类条件密度，但现实里它们往往未知，只能从样本估计。本节讲怎么从样本把密度参数估出来——最大似然估计（MLE）。

一、基于样本的两步贝叶斯决策

  1. 第一步：用样本集估计先验 P^(ωi)\hat{P}(\omega_i) 和类条件密度 p^(x∣ωi)\hat{p}(\mathbf{x} \mid \omega_i)；
  2. 第二步：把估计量代入贝叶斯决策规则，得到决策结果。

当样本量 N→∞N \to \infty 时，估计趋近真值，两步贝叶斯决策就趋近理论上的贝叶斯决策。

二、估计方法分类

  • 监督参数估计：样本类别已知、密度形式已知，只有参数未知（本节重点）；
  • 非监督参数估计：密度形式已知但样本类别未知（如 GMM 高斯混合模型）；
  • 非参数估计：密度形式未知，直接估密度数值（直方图法、kk 近邻法、Parzen 窗法）。

参数估计两大方法：最大似然估计、贝叶斯估计。

三、最大似然估计的思想与假设

直觉：已知一批样本，反过来问”参数取什么值，能让我恰好抽到这批样本的可能性（似然）最大”。那个让可能性最大的参数就是估计值。

四条基本假设：

  1. 参数 θ\theta 是确定（非随机）但未知的量；
  2. 各样本独立同分布（i.i.d.）；
  3. 类条件密度的形式已知、参数未知，记作 p(x∣ωj,θj)p(\mathbf{x} \mid \omega_j, \theta_j)；
  4. 不同类别的参数在函数上相互独立，可逐类单独估计。

四、似然函数与求解（五步法）

设某类样本集 X={x1,x2,…,xN}X = \{x_1, x_2, \dots, x_N\}，因独立，联合概率为各样本概率之积，这就是似然函数：

l(θ)=p(x1,x2,…,xN∣θ)=∏i=1Np(xi∣θ)l(\theta) = p(x_1, x_2, \dots, x_N \mid \theta) = \prod_{i=1}^{N} p(x_i \mid \theta)

最大似然估计量定义为使似然最大的 θ\theta：

θ^=arg⁡max⁡θl(θ)\hat{\theta} = \arg\max_{\theta} l(\theta)

通用五步：

  1. 写似然函数 l(θ)=∏i=1Np(xi∣θ)l(\theta) = \prod_{i=1}^{N} p(x_i \mid \theta)；
  2. 取对数（连乘变连加，最优解不变）：

H(θ)=ln⁡l(θ)=∑i=1Nln⁡p(xi∣θ)H(\theta) = \ln l(\theta) = \sum_{i=1}^{N} \ln p(x_i \mid \theta)

  1. 对参数求导（多参数则对每维求偏导，即求梯度 ∇θH\nabla_\theta H）；
  2. 令导数（梯度）为零，解方程得 θ^\hat{\theta}；
  3. 必要时验证二阶导小于零（确是极大值）。注意似然方程可能多解，取使似然最大者。

唯一例外：均匀分布等”参数在边界”的情况，求导失效，需单独分析（见第六节）。

五、各分布的 MLE 计算

单变量正态分布

密度 p(x∣μ,σ2)=12π σexp⁡(−(x−μ)22σ2)p(x \mid \mu, \sigma^2) = \dfrac{1}{\sqrt{2\pi}\, \sigma} \exp\left(-\dfrac{(x-\mu)^2}{2\sigma^2}\right)。对数似然：

H=−N2ln⁡(2π)−N2ln⁡σ2−12σ2∑i=1N(xi−μ)2H = -\frac{N}{2}\ln(2\pi) - \frac{N}{2}\ln \sigma^2 - \frac{1}{2\sigma^2}\sum_{i=1}^{N}(x_i - \mu)^2

对 μ\mu 求偏导置零得样本均值：

μ^=1N∑i=1Nxi\hat{\mu} = \frac{1}{N}\sum_{i=1}^{N} x_i

对 σ2\sigma^2 求偏导置零得样本方差（分母 NN）：

σ^2=1N∑i=1N(xi−μ^)2\hat{\sigma}^2 = \frac{1}{N}\sum_{i=1}^{N}(x_i - \hat{\mu})^2

数值例：样本 {1,2,3,4,5}\{1, 2, 3, 4, 5\}，μ^=15/5=3\hat{\mu} = 15/5 = 3，偏差平方和 4+1+0+1+4=104+1+0+1+4 = 10，σ^2=10/5=2\hat{\sigma}^2 = 10/5 = 2。

多维正态分布

  • 情况①（Σ\Sigma 已知、μ\mu 未知）：对 μ\mu 求偏导，Σ−1∑k(xk−μ)=0\Sigma^{-1}\sum_k (\mathbf{x}_k - \mu) = 0，消去 Σ−1\Sigma^{-1} 得 μ^=1N∑kxk\hat{\mu} = \dfrac{1}{N}\sum_k \mathbf{x}_k。均值估计与 Σ\Sigma 是否已知无关。
  • 情况②（Σ\Sigma、μ\mu 均未知）：

μ^=1N∑k=1Nxk,Σ^=1N∑k=1N(xk−μ^)(xk−μ^)T\hat{\mu} = \frac{1}{N}\sum_{k=1}^{N} \mathbf{x}_k, \qquad \hat{\Sigma} = \frac{1}{N}\sum_{k=1}^{N}(\mathbf{x}_k - \hat{\mu})(\mathbf{x}_k - \hat{\mu})^{\mathsf{T}}

结论：均值的 MLE 是样本算术平均；协方差的 MLE 是 NN 个外积矩阵的算术平均。

伯努利 / 二项分布

单样本概率 P(xi∣p)=pxi(1−p)1−xiP(x_i \mid p) = p^{x_i}(1-p)^{1-x_i}。设 NN 次中有 kk 个 1，对数似然 H=kln⁡p+(N−k)ln⁡(1−p)H = k\ln p + (N-k)\ln(1-p)，求导置零：

p^=kN\hat{p} = \frac{k}{N}

即正面频率。数值例：抛 10 次得 7 次正面，p^=0.7\hat{p} = 0.7。

指数分布

密度 p(x∣λ)=λe−λxp(x \mid \lambda) = \lambda e^{-\lambda x}，对数似然 H=Nln⁡λ−λ∑ixiH = N\ln\lambda - \lambda\sum_i x_i，求导置零：

λ^=N∑ixi=1xˉ\hat{\lambda} = \frac{N}{\sum_i x_i} = \frac{1}{\bar{x}}

数值例：样本 {2,4,6}\{2, 4, 6\}，xˉ=4\bar{x} = 4，λ^=0.25\hat{\lambda} = 0.25。

泊松分布

概率 P(x∣λ)=λxe−λx!P(x \mid \lambda) = \dfrac{\lambda^x e^{-\lambda}}{x!}，对数似然求导置零：

λ^=1N∑i=1Nxi=xˉ\hat{\lambda} = \frac{1}{N}\sum_{i=1}^{N} x_i = \bar{x}

数值例：样本 {0,1,2,1,1}\{0, 1, 2, 1, 1\}，λ^=5/5=1\hat{\lambda} = 5/5 = 1。

均匀分布（陷阱题，不能求导）

xi∼U(0,θ)x_i \sim U(0, \theta)，密度在 0≤x≤θ0 \le x \le \theta 上为 1/θ1/\theta，否则 0。似然 l(θ)=θ−Nl(\theta) = \theta^{-N} 对 θ\theta 求导无零点，求导法失效。

正确分析：θ−N\theta^{-N} 是减函数，θ\theta 越小似然越大；但每个样本要求 xi≤θx_i \le \theta，故 θ≥max⁡ixi\theta \ge \max_i x_i。两者夹逼得：

θ^=max⁡ixi\hat{\theta} = \max_i x_i

数值例：样本 {0.3,0.7,0.5,0.9,0.2}\{0.3, 0.7, 0.5, 0.9, 0.2\}，θ^=0.9\hat{\theta} = 0.9。

六、有偏 vs 无偏（高频考点）

估计量是随机变量（每抽一批样本算出的值都不同），它有自己的期望。

  • 无偏：E[θ^]=θE[\hat{\theta}] = \theta（多次估计的平均正好等于真值）；
  • 有偏：E[θ^]≠θE[\hat{\theta}] \ne \theta（系统性偏离）；偏差 Bias(θ^)=E[θ^]−θ\text{Bias}(\hat{\theta}) = E[\hat{\theta}] - \theta。

样本均值无偏：E[μ^]=μE[\hat{\mu}] = \mu。但 MLE 的方差有偏（偏小），可证：

E[σ^2]=N−1Nσ2<σ2E[\hat{\sigma}^2] = \frac{N-1}{N}\sigma^2 < \sigma^2

直观原因：MLE 用样本均值 μ^\hat{\mu} 代替真实 μ\mu，而 ∑i(xi−c)2\sum_i (x_i - c)^2 在 c=xˉc = \bar{x} 时取最小，所以用 μ^\hat{\mu} 算出的平方和天生偏小。

无偏修正（贝塞尔校正）：把分母由 NN 改为 N−1N-1：

s2=1N−1∑i=1N(xi−xˉ)2,E[s2]=σ2s^2 = \frac{1}{N-1}\sum_{i=1}^{N}(x_i - \bar{x})^2, \qquad E[s^2] = \sigma^2

自由度解释：用 xˉ\bar{x} 替代真均值，引入约束 ∑i(xi−xˉ)=0\sum_i (x_i - \bar{x}) = 0，消耗 1 个自由度，故除以 N−1N-1。

考试答法：“MLE 的方差估计有偏（偏小），期望为 N−1Nσ2\dfrac{N-1}{N}\sigma^2；N−1N-1 为分母时无偏。“

本节考点清单

  • 两步贝叶斯决策、估计方法三分类。
  • MLE 五步法，会对高斯 / 伯努利 / 指数 / 泊松完整推导 + 数值计算。
  • 均匀分布陷阱题：求导失效，用单调性 + 约束夹逼得 θ^=max⁡ixi\hat{\theta} = \max_i x_i。
  • 有偏无偏：高斯方差 MLE 偏小、期望 N−1Nσ2\frac{N-1}{N}\sigma^2、N−1N-1 修正与自由度解释（必考）。