不仅仅是减少计算量
在计算一个独立同分布数据集的联合概率时，如：
X={
x1,x2,…,xN} X = { x 1 , x 2 , … , x N }
其联合概率是每个数据点概率的连乘：
在机器学习中，对数似然的主要原因是减少计算量，避免浮点数下溢，以及保持单调性。当计算独立同分布数据集的联合概率时，对数转换能将乘法变为加法，简化计算。此外，对数似然在概率值接近0时仍能有效处理，防止概率连乘导致的下溢问题，并且对数似然函数保持了原似然函数的单调性，确保最优解不变。
最低0.47元/天 解锁文章
扫一扫
9559
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
