瞭解nlp中的最大可能性

Question

我想了解NLP中最大可能性是多少。我一直在尋找這個presntation：

http://www.phontron.com/slides/nlp-programming-en-01-unigramlm.pdf（第9頁）

，我看到了曼寧和Schütze統計語言處理基礎相同的公式。現在

，我明白MLE的方式是這個：

我知道實驗的結果，我知道潛在分佈，但我不知道對於一個事件的概率。通過找到最有可能給出我的觀察結果的概率值，MLE幫助我找到概率（或更一般的未知參數）。

所以MLE告訴我，當任何單個事件的概率是x時，觀察某個事件的概率是最高的。

現在，如果那是真的，那爲什麼在那張幻燈片上沒有微積分？爲什麼在這種情況下的MLE是通過一個簡單的分數來計算的？我不明白這與MLE有什麼關係？

我想，MLE是一個最大化問題......？

Answer 1

MLE確實是一個最大化問題。在幻燈片中，他們跳過了計算結果，只是顯示了MLE的結果。如果你想看到完整的推導，你可以看看這裏3頁例如 http://statweb.stanford.edu/~susan/courses/s200/lectures/lect11.pdf

此鏈接介紹瞭如何找到多項分佈的參數最大似然估計，與同類型的計算，也導致了resuls你在幻燈片中看到。

鏈路中n對應於c(w1,…,wi−1)從你的幻燈片（因爲這是個案的總數），並且x_i在鏈路對應c(w1,…,wi)從你的幻燈片（因爲這是你想要的特定案件總數計數，在所有情況下）。