目录 1. logistic分布函数2. 最大熵模型原问题与对偶问题L(p,w) 对 P(y|x) 求偏导6.22 及 6.23 式推导极大似然估计 6.26, 6.27 式 3. 模型学习的最优化算法改进的迭代尺度法 IIS 1. logistic分布函数 2. 最大熵模型 原问题与对偶问题 如何将约束最优化的原始问题转换为无约束最优化的对偶问题?见该书附录C 拉格朗日对偶性。 L(p,w) 对 P(y|x) 求偏导 w 0 w_{0} w0 处的计算? 6.22 及 6.23 式推导 极大似然估计 6.26, 6.27 式 3. 模型学习的最优化算法 改进的迭代尺度法 IIS 未完待续…