MAP推定（最大事後確率推定）とは、観測データに基づいてパラメータを推定する際、事前知識を表す事前確率とデータの得られやすさを表す尤度を掛け合わせた「事後確率」を最大化する手法です。データが少ない場合でも事前分布を活用することで過学習を防ぎ、安定した推定結果を得られる特徴があります。
MAP推定とは
MAP推定とは、得られた観測データとあらかじめ与えられた事前知識を組み合わせて、最も確率が高いパラメータや解を導き出す統計的推定手法です。
詳しく解説
MAP推定はベイズの定理に基づいており、事後確率（データが得られたもとでパラメータが真である確率）は「尤度」と「事前確率」の積に比例するという原則を利用します。機械学習モデルのパラメータ決定において、学習データが少ないと最尤推定ではデータに過剰に適合してしまう過学習が発生しやすくなります。MAP推定ではパラメータに対する事前分布（正則化に相当）を設定することで、極端な値の選出を抑え、汎用性の高いモデルを構築できます。データ量が膨大になると事前確率の影響は相対的に小さくなり、最尤推定の結果へと近づきます。
具体例・使われ方
例えば、スパムメールの自動分類において、過去の傾向（事前確率）と受信メール内の特定単語の出現率（尤度）を掛け合わせてスパムかどうかを判定する用途で用いられます。また、画像復元やノイズ除去において、自然な画像の統計的性質を事前分布として与え、劣化画像から本来の画像を予測する処理にも応用されます。
似た用語との違い
最尤推定は観測データのみに基づいて尤度が最も高くなる値を求めますが、MAP推定は事前確率を考慮して事後確率を最大化する点で異なります。また、ベイズ推定がパラメータ全体の確率分布（事後分布）そのものを算出するのに対し、MAP推定は事後分布の中で確率が最大となる「単一の値（点推定）」のみを計算する点に違いがあります。
注意点
MAP推定は点推定であるため、事後分布が複数のピークを持っていたり歪んでいたりする場合、最大値を持つ1点だけでは分布全体の特性を正しく表現できないことがあります。また、不適切な事前分布を設定してしまうと、分析者の主観や偏りが推定結果に悪影響を及ぼす可能性があるため注意が必要です。