Maximum-a-Posteriori(MAP) Estimation

• 사후 확률 최대화 어떤 프로세스의 파라미터를 우리가 추측하고 싶은 상황에서 해당 프로세스의 사후 결과 정보를 얻을 수 있을 때가 있다. 이런 정보는 이미 알려진 과학적 지식에서 추론해 낸 결과일 수도 있고, 기존의 실험적 증거에서 온 정보일 수도 있다. 이런 PDF의 각 항목으로 이런 사후 정보를 입력할 수 있다. 본질적으로, 파라미터 $\theta$ 를 RV 의 값으로 취급한다. 연관확률 P(theta) 는 사전 확률이라고 불린다.

따라서 Bayesian 추론은 다음과 같은 MAP 를 얻는다.

다른 설명

어떤 파라미터 t 가 있다. 우리는 t 를 결정하고 싶다. 어떤 t 냐 하면..

• p(t) : t 의 확률분포 : 각 t 가 전체 경우에서 차지하는 비율