最大似然估计与最大后验估计
MLE 和 MAP 是统计推断的两种核心方法。训练神经网络的本质 ≈ 最大似然估计。
概念解析
假设你手里有一组观测数据，你相信这些数据来自某个已知类型的概率分布（比如正态分布），但不知道这个分布的参数（均值 μ 和标准差 σ）。
MLE 和 MAP 回答的是同一个问题：给定数据，最合理的参数值是多少？
两者的区别在于——MLE 只看数据本身，MAP 还会参考你对参数的先验认知。
似然 vs 概率：两个方向看同一件事
概率 P(数据|参数)：参数固定，问「在这个参数下，观察到这些数据的概率多大？」
似然 L(参数|数据)：数据固定，问「哪个参数值最可能产生这些数据？」
似然函数的值本身不归一（不要求和为 1），它的意义在于 比较不同参数值的相对合理性。
MLE：什么参数最可能生成这些数据？
只看数据，选择最可能产生观测数据的参数。
为什么取 log？
- 连乘变连加：数值更稳定（防止下溢）
- 求导更容易：对数把乘法变成加法
- 不改变极值点：log 是单调递增函数
MAP：引入先验知识
MAP = MLE + 先验 P(θ)。当先验是均匀分布时，MAP = MLE。
MLE 只看数据，MAP 还看先验。数据量大时先验影响被稀释，MAP 趋近 MLE。
数据量小时，先验起到「正则化」作用——L2 正则化 ≡ Gaussian 先验的 MAP。
生活例子
估计日均销量
网店连续 10 天日销量：[23, 25, 22, 24, 26, 23, 25, 24, 22, 24]。
假设销量服从正态分布，均值的 MLE 估计 = 这些数的平均值 ≈ 23.8。
直觉上你也会这样做——MLE 就是把直觉数学化了。
Python 动手实践
实例
import numpy as np
np.random.seed(42)
data = np.random.normal(5.0, 2.0, 100) # 真实 μ=5, σ=2
# MLE: μ = 样本均值
mu_mle = np.mean(data)
print(f"MLE μ = {mu_mle:.3f} (真实=5.0)")
# MAP: 先验 μ ~ N(0, 1)，向先验方向收缩
prior_mu, prior_var = 0.0, 1.0
n = len(data)
mu_map = (prior_mu/prior_var + n*mu_mle/np.std(data)**2) / (1/prior_var + n/np.std(data)**2)
print(f"MAP μ = {mu_map:.3f} (在MLE和先验0之间折中)")运行输出：
MLE μ = 4.968 (真实=5.0)
MAP μ = 4.776 (在MLE和先验0之间折中)AI 中的应用场景
损失函数设计 = MLE
最小化交叉熵损失 ≈ 在多项分布假设下做最大似然估计。最小化 MSE ≈ 在误差正态分布假设下做 MLE。损失函数不是随意选的——每种损失函数对应一个隐含的概率分布假设。
L2 正则化 = Gaussian 先验的 MAP
在损失中加 $ \lambda|w|^2 $，等价于假设权重 w 的先验是 $ N(0, 1/\lambda) $。MAP 在数据似然和先验之间折中——数据少时先验主导（权重趋向 0），数据多时似然主导。
L1 正则化 = Laplace 先验的 MAP
在损失中加 $ \lambda|w|_1 $，等价于假设权重 w 的先验是 $ Laplace(0, 1/\lambda) $ 分布。Laplace 分布在 0 点尖锐——MAP 倾向于产生稀疏解（很多权重恰好为 0），实现了自动特征选择。
贝叶斯神经网络
普通神经网络的权重是确定的点估计（MLE/MAP）。贝叶斯神经网络给每个权重赋予一个概率分布（后验），输出也是概率分布——从而有天然的 uncertainty estimation。预测时可以对权重采样多次，看输出的方差来判断模型对自己预测的置信度。
AI 思考中...