最大熵模型学习优化案例

最新推荐文章于 2022-12-20 16:16:40 发布

阿拉吴悠

最新推荐文章于 2022-12-20 16:16:40 发布

阅读量916

点赞数

文章标签：机器学习

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/weixin_47994250/article/details/108530260

版权

本文通过一个实例详细介绍了如何使用最大熵模型进行概率分布优化。在已知A和B概率之和及所有情况概率总和为1的条件下，通过拉格朗日乘子法解决对偶最优化问题，逐步求解得到各情况的概率分布。

摘要由CSDN通过智能技术生成

最大熵模型

最大熵模型的学习等价于约束最优化问题：

在这里插入图片描述

案例：

已知有A,B,C,D,E五种可能出现的情况，已知A,B出现的概率之和是3/10，所有五个出现概率之和为1，使用最大熵模型进行优化获得这五种情况的概率分布。

该问题主要通过使用拉格朗日的对偶性，然后通过求解对偶最优化问题得到解。

在这里插入图片描述

所以我们有：

第一步，求解原始问题：

在这里插入图片描述

第二步，利用拉格朗日乘子法：

在这里插入图片描述

第三步：对偶问题求解：

最低0.47元/天解锁文章

关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
最大熵模型学习优化案例

最大熵模型最大熵模型的学习等价于约束最优化问题：案例：已知有A,B,C,D,E五种可能出现的情况，已知A,B出现的概率之和是3/10，所有五个出现概率之和为1，使用最大熵模型进行优化获得这五种情况的概率分布。该问题主要通过使用拉格朗日的对偶性，然后通过求解对偶最优化问题得到解。所以我们有：第一步，求解原始问题：第二步，利用拉格朗日乘子法：第三步：对偶问题求解：最终结果为：这里我们先固定w0和w1，然后对L(P,w)求偏导数，可以带入得到后我们可以通过另这些偏导为0，解得：
复制链接

扫一扫

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。