对模型期望的一点点理解

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$\Delta$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$\Theta$，使其不断的接近$\Delta$，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$\Theta$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。