Априор P(θ) — убеждение до данных; правдоподобие L(θ;x)=P(data|θ) — как модель объясняет наблюдения; апостериор P(θ|data) — обновлённое убеждение.
Разбор
- MAP максимизирует апостериор; MLE — только правдоподобие.
- Сопряжённые априоры дают аналитический апостериор.
- Плохой априор при малых n сильно влияет.
- В ML регуляризация часто интерпретируема как априор.
Итог
Цепочка: prior × likelihood → posterior после нормализации.