机器学习中的参数估计方法

参数估计

**参数估计：**假定总体X服从正态分布N(μ, σ²)，其中 μ 和 σ² 是待估的未知参数。若从该总体中取自一组样本数据 x₁, x₂, …, xₙ} 其观测到的具体数值为 x₁, x₂,… ,xₙ} 通过这些样本数据来计算 μ 和 σ² 的点估[计]值 这就是典型的参数估[计]问题 并按性质可分为点估[计]与区[间]估[计]两种主要方法。

点估计

Point estimation: refers to estimating the unknown parameters of a population as specific numerical values at a particular point, and is therefore also referred to as fixed-value estimation.

设定总体X的概率分布函数为F(x, θ)，其中θ代表未知参数；抽取了一个容量为n的样本；其样本观测值记作x₁, x₂, …, xₙ；基于这些样本观测数据构建了一个适当的统计量T(X₁,X₂,…,Xₙ)；利用该统计量T的具体取值t(x₁,x₂,…,xₙ)来推断未知参数θ；这样的推断问题通常被归类为点估计问题；在数理统计学中，“点估计”的核心就是从观测数据出发构建适当的统计量并求出相应的估计结果。

矩