人工智能之数学基础：先验分布、后验分布、极大似然

本文重点

先验分布、后验分布、极大似然，这三个重要的概念，之前我们都已经学习过了，本文再来深入的理清楚它们之间的关系和区别。

先验分布、后验分布、极大似然。

这个世界上存在因和果，比如今天温度是多少度，这个温度就是因。什么是果，今天下雨了，今天多云，今天的天气状况就是果。

什么是先验分布?P(因)就是先验概率，比如P(温度)，展开来说就是p（温度=37摄氏度）=0.1、p（温度=38摄氏度）=0.2等等。先于结果，确定原因的概率分布，就是先验分布。

什么是后验分布?P(因|果)就是后验概率，比如P(温度|天气)。这种先知道结果，然后由结果估计原因的概率分布，就是后验概率。

什么是似然估计？P(果|因)就是似然概率，比如P(天气|温度)。这种先确定原因，根据原因来估计结果的概率分布，就是似然估计。

以上就是通俗的解释，如果我们令x来表示结果（观察到的数据），然后我们令θ来表示原因（决定数据分布的参数），那么我们可以得到：

先验分布：p(θ)：在没有数据支持的情况下，θ发生的概率

后验分布：p(θ|x)：