引
机器学习中有很多有意思的 Trick,Deepmind 的 Shakir Mohamed ( http://blog.shakirm.com ) 维护了一个高质量的博客,其中写了一系列的机器学习 Trick,包括 Score Function 和 Reparameterisation。
本文接着上文
本文内容主要包括:
Score Function 的定义和性质
Score Function 的应用:变分推断和强化学习
Score Function (SF) 介绍
SF的定义
先从最大似然估计(MLE)说起,在学习统计时,最常见的一个操作是通过 MLE 来估计参数,为方便计算一般都采样对数似然函数(Log Likelihood, LL)作为目标函数,如下:
记 L(θ)=log p(x;θ),求最优的一个最直接方法就是令其对参数的导数为 0,如下:
这里 L(θ) 的一阶导数即为Score Function,记为:
即:求 MLE 相当于求解 Score 方程。如果继续对参数进行求导,会得到另一个非常有价值的量 Fisher Information,如下:
Fisher Information 经常用来衡量样本信息量,是一个非常有价值的指标(后面专门写一篇介绍 Fisher Information 的文章)。由上式可以看出,Fisher 信息量是 Score Function 的负导数。
SF的性质