最大似然估计（MLE）无法预测正确答案的测试用例

Question

任何人都知道最大似然估计（MLE）无法预测正确答案的一些用例场景？除了可能需要无限计算或样本或NP难的问题。

Answer 1

当解空间为凸圆锥时，MLE保证收敛到正确的解。也就是说，当响应空间的曲率始终为正或负时，它会收敛到单个正确答案。这种情况可能会略微过度限制。如果最优解是某种平台，那么它也应该收敛。

因此，MLE无法保证在其他情况下收敛。例如，如果你在北美采用高度函数并且你试图使用MLE来找到最高点，那么你很可能会收敛到Denali。你可能会在正确的初始条件下幸运。

这是一个连续的案例。如果响应空间中存在任何不连续性，也不能保证收敛。

Answer 2

您通常希望MLE在收集越来越多的数据时越来越接近正确答案 - 一致性。不会发生这种情况的一种情况是，即使您实际上并不关心未知参数的值，当您收集更多数据时未知参数的数量也会增加。 http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.201.5098&rep=rep1&type=pdf - 自1948年兰卡斯特以来的附带参数问题 - 是一份关于此案例统计的调查报告，并从一个简单的例子开始（P3）。