机器学习2 --- 似然参数(本质是对于所求参数的推导)

文章探讨了似然参数的概念,解释了为何在处理独立同分布的误差时使用累乘,以及如何通过对数变换简化计算。通过对似然函数取对数并进行化简,便于求解最小化问题,特别是当涉及高斯分布的误差时。文章还提到了矩阵求导的公式在优化过程中的应用。
摘要由CSDN通过智能技术生成

 

 似然参数:什么样的参数跟我们的数据组合恰好是真实值

为什么是累乘:联合概率密度 = 边缘概率密度的乘积,因为误差是独立同分布的,所以用累乘

 将似然函数进行对数运算  ---- 对然函数

在求参数的时候,假如1000个数相乘不好算,我们转换为加法,两边取对数即可。

 对对数函数进行化简

因为我们算的是误差,误差符合高斯分布,所以值越大越好,前边为正数,所以让后边越小越好

 我们要看J在site的什么情况下最小,所以求偏导,记住两个公式:A^2 = A^T*A;

                                                                                                         (X^TAX)求偏导=2AX;

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
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。

余额充值