最大后验估计与最大似然估计的区别
哪些公司问过
答案要点
- MLE:θ = argmax P(X|θ),参数视为固定未知量,只看数据
- MAP:θ = argmax P(X|θ)P(θ),在似然上乘先验,最大化后验概率
- 先验相当于正则:高斯先验对应 L2,拉普拉斯先验对应 L1;均匀先验时 MAP 退化为 MLE
- 数据量大时似然主导,MAP 与 MLE 趋近;数据少时先验影响大
- SLAM 后端是 MAP 问题,高斯噪声下取负对数即为加权非线性最小二乘
易错点
- 把 MAP 写成 argmax P(θ)P(X),搞混似然和先验
- 以为 MAP 总比 MLE 好,先验选错反而会带偏估计
- 最大化后验时照搬完整贝叶斯公式去算分母 P(X),其实它与 θ 无关可省略
面试官常见追问
- 为什么高斯噪声下 MAP 变成最小二乘?
- MAP 和完整贝叶斯估计有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。