Может ли метод максимального правдоподобия использоваться в качестве классификатора?
Краткое содержание
Меня смущает понимание метода максимального правдоподобия (ML) как классификатора. Я знаю, что такое байесовская сеть, и понимаю, что метод ML используется для оценки параметров моделей. Также читал, что существует два способа обучения параметров байесовской сети — оценка методом максимального правдоподобия (MLE) и байесовский оценщик. Вопросы, которые меня запутали, следующие: Можно ли использовать ML как классификатор? Например, можем ли мы применять ML для моделирования поведения пользователей с целью идентификации их активности? Если да, то каким образом? Какая функция правдоподобия должна оптимизироваться? Следует ли предположить нормальное распределение пользователей и оптимизировать именно его? Если ML действительно применим как классификатор, в чём разница между использованием ML и Байесовской сетью (BN) для классификации действий? В чём преимущества и недостатки каждой модели?
Полный текст
Меня смущает понимание метода максимального правдоподобия (ML) как классификатора. Я знаю, что такое байесовская сеть, и понимаю, что ML используется для оценки параметров моделей. Также читал, что существует два способа обучения параметров байесовской сети — МЛЕ (метод максимизации правдоподобия) и байесовский оценщик.
Вопросы, вызвавшие путаницу, следующие:
— Можно ли использовать ML в качестве классификатора? Например, можем ли мы применять ML для моделирования поведения пользователей с целью идентификации их активности? Если да, то каким образом? Какая функция правдоподобия должна оптимизироваться? Следует ли предположить нормальное распределение пользователей и оптимизировать его?
— Если ML действительно применим в роли классификатора, в чём разница между ML и Байесовыми сетями (BN) при классификации действий? В чём преимущества и недостатки каждой модели?
**Классификация**
**Байесовские сети**
**Максимальное правдоподобие**