对于一些机器学习的算法中为什么要加exp

我们现在接触的很多算法中都会看到对某项加一个exp，很长一段时间不理解为什么要加这个exp，今天终于有一些理解了：

一方面，要保证每一个factor是正的，factor可以大于一也可以不归一化，但一定要是正的；

另一方面，我们最后要通过最大似然函数优化的，似然值是这些factor的累乘，对每一项的累乘。这么多项相乘没有人直接去优化的，即使优化也很麻烦，很难操作，另外一种思路是将累乘转变成累加就好办了：取log变成对数似然，然后这些累乘变成累加了嘛，然后优化这个累加。无论是算梯度用梯度下降，还是另导数为零求解析解都很方便了（这个表达形态下的目标函数是凸的）。