概率密度函数

「已注销」

已于 2022-03-17 13:18:07 修改

阅读量906

点赞数

分类专栏：机器学习，深度学习文章标签：深度学习

于 2022-03-17 00:48:32 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_42746890/article/details/123539224

版权

1.概率密度函数

$f(x|u,\sigma ^2)=\frac{1}{\sqrt{2\pi \sigma ^2}}e^{-\frac{(x-u)^2}{2\sigma ^2}}$

2.概率密度函数的推导

$L_{\Theta }(\xi _{1},...,\xi _{m})= f(\xi _{1},...,\xi _{m}|u,\sigma ^2)$

假设误差服从正太分布，符合中心极限定理，那么样本误差服从互相独立的假设。

$P(AB)=P(A)*P(B)$

$f(\xi _{1},...,\xi _{m}|u,\sigma ^2)=f(\xi _{1}|u,\sigma ^2)*f(\xi _{2}|u,\sigma ^2)*...*f(\xi _{m}|u,\sigma ^2)$

所以

最低0.47元/天解锁文章

「已注销」

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
概率密度函数

1.概率密度函数2.概率密度函数的推导假设误差服从正太分布，符合中心极限定理，那么样本误差服从互相独立的假设。所以3.对数似然函数推导出MSE损失函数当J(θ)取最小时，可使总似然得到最大。即得到新的目标函数J(θ)。最小二乘法形式...
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。