为什么训练模型
在机器学习中,通常会假设所有的样本来源于同一个分布(真实分布)。这个分布是一个抽象的概念,当这个分布具体到某一个模型中时,我们引入另一个假设即
通过以
Δ
\Delta
Δ为参数的模型,能够正确表达真实的分布
我们训练模型的目标也就是:训练模型的参数
Θ
\Theta
Θ,使其不断的接近
Δ
\Delta
Δ,最终使得模型能够较为准确的描述真实的分布。
通过什么表达模型期望
以上表达式描述的就是样本服从真实分布情况下,样本(随机变量)X在以
Θ
\Theta
Θ为参数的模型中输出的期望(平均的概率输出),极限情况下即为1。