1 ,真实值函数推导 : 真实值正态曲线

  1. 定义 : 跟数据曲线很相似的函数
  2. 个人思考 :
    1 ,目的 : 得到数据的正态分布图
    2 ,已知 : 高斯分布图 ( 误差分布图符合正态分布,也就是搞碎分布 )
    3 ,怎么样得到 : 将计算公式,带入到误差公式
    4 ,参数解释 :
    exp :e ,自然对数
    θ : 参数矩阵
    sigma : 标准差
  3. 理论知识 :
  4. 思考结论 :

2 ,似然函数,意义 : 当前样本的概率

  1. 真实值函数 : 个体概率
  2. 似然函数 : 将样本中的每个值,带入到方程中,将每个样本的概率进行乘积
  3. 作用 : 为了求出最大似然函数,并且进一步求出 θ
  4. 最大似然函数 :
    1 ,目的 :让似然函数取到最大值
    2 ,取到最大值,又能如何 : 此时的 θ 就是最接近真实值的 θ
    3 ,求出了 θ : 真实值函数就出来了

3 ,似然函数 :目的 ( 求 θ )

  1. 目的 : 求出 θ
  2. θ 是什么 : 线性方程组的参数矩阵
  3. 似然函数 : 求 θ

4 ,对数似然,似然函数的计算 :( 对数求解 )

  1. 为什么用对数求解 :
    1 ,原因 : 他可以将乘法,转换成加法
    2 ,例如 : log(AB) = log(A) + log(B)
  2. 原函数函数 :
  3. 乘积,不容易求解,因此,采用对数求解

5 ,最大似然函数 : 让这个值最大

  1. 最大似然函数展开式 :
  2. 目标 : 让这个式子去最大值
  3. 需要 : 如果想让整体最大,需要让后面被减数最小
  4. 被减数求值 :

6 ,最小二乘法 :

  1. 目的 : 让这个式子的值最小,整体就会最大

03 ,似然函数求解 :目标函数推导,对数似然求解,最小二乘法相关推荐

  1. MATLAB用梯度法求解目标函数,机械优化设计作业——梯度法求解

    梯 度 法 求 最 优 解 问 题 姓 名:李刚 学号:2016210309 1.所求问题 用梯度法求目标函数121222125.05.1)(x x x x x x F --+=的无约束最优解,已知初 ...

  2. matlab 解目标函数,对分法求解目标函数最优解函数MATLAB实现

    %%对分法求解目标函数最优解函数 function [t,y]=equation_extremum(x,~,a,b,epsional) %%============================== ...

  3. 2020-11-19 吴恩达DL学习-C5 序列模型-W3 序列模型和注意力机制(3.4 改进定向搜索-长度归一化,称为归一化的对数似然目标函数。取每个单词的概率对数值的平均。非精确搜索,速度快)

    1.视频网站:mooc慕课https://mooc.study.163.com/university/deeplearning_ai#/c 2.详细笔记网站(中文):http://www.ai-sta ...

  4. 机器学习笔记之配分函数(一)对数似然梯度

    机器学习笔记之配分函数--对数似然梯度 引言 回顾:过去介绍配分函数的相关结点 配分函数介绍 配分函数在哪些情况下会"直面"到? 场景构建 包含配分函数的极大似然估计 引言 从本节 ...

  5. 负对数似然(negative log-likelihood, NLL)

    目录 1. 似然 2. 最大似然估计 3. 对数似然 4. 负对数似然 5. 补充说明 Reference 1. 似然 似然与概率不同.概率是指一个事件发生的可能性,描述的是对象是事件:似然是指影响事 ...

  6. 【运筹学】线性规划数学模型 ( 单纯形法 | 最优解判定原则 | 可行解表示 | 目标函数推导 | 目标函数最大值分析 )

    文章目录 一.基矩阵 + 非基矩阵 约束条件 二.基矩阵 + 非基矩阵 线性规划 三.线性规划 可行解 四.目标函数 推导 五.XN=OX_N = OXN​=O 目标函数最大 分析 六.总结 在上一篇 ...

  7. 损失函数-负对数似然和交叉熵(Pytorch中的应用)

    文章目录 1.负对数似然损失函数 1.1.似然 1.2.似然函数 1.3.极大似然估计 1.4.对数似然 1.5.负对数似然 1.6.pytorch中的应用 2.交叉熵损失函数 2.1.信息量 2.2 ...

  8. XGBoost的目标函数推导和分裂增益计算

    1.XGBoost简介 XGBoost是一种基于GBDT优化的工程化实现,是由n个基模型组成的一个加法模型,它的基本类器可以是树模型,也可以是线性分类器,本文以树模型进行推导. 1.1XGBoost的 ...

  9. 极大似然估计(Maximum Likelihood Estimattion Theory)是什么?极大似然估计的本质思想是什么?为什么极大似然可以作为损失函数使用?负对数似然损失函数(Negative

    极大似然估计(Maximum Likelihood Estimattion Theory)是什么?极大似然估计的本质思想是什么?为什么极大似然可以作为损失函数使用?负对数似然损失函数(Negative ...

最新文章

  1. 原生ajax XMLHTTPRequest()
  2. vc++6.0的工作空间/工作区是什么?工程 文件 工作区什么区别?
  3. mybaits五:主键的自增
  4. 好的Java架构具备的5个特点
  5. python3 set_python3.x 基础三:set集合
  6. linux下怎么编译运行C语言程序?
  7. 【AI视野·今日NLP 自然语言处理论文速览 第二十八期】Wed, 1 Dec 2021
  8. edwardcmh@cnblogs
  9. cf12E Start of the season(构造,,,)
  10. 剑指offer第二版(C++实现)
  11. 如何使用JGIT在远程仓库获取提交详情记录
  12. matlab预测股价,股价模拟、以雅虎新浪网易数据挖掘、股价预测工具箱(fantuanxiaot的Alpha版本)...
  13. 最详细Python打包exe教程,并修改图标,只需30秒
  14. 给计科专业的学弟学妹们的一封信
  15. 浅析 Promise
  16. c语言知道ascII码求字母,c语言的ascii代码
  17. element ui背景图_vue+element-ui如何为元素设置背景图片
  18. eclipse远程连接Hadoop遇到的一些问题
  19. VS2005 下使用BoundsChecker检测内存泄露
  20. javascript 23 种设计模式

热门文章

  1. 第1章 面向对象分析和设计
  2. HMM-前向后向算法
  3. go语言泛型在IDE中语法报错
  4. 服务器主板开关电源维修,个人经验:开关电源不通电的修复
  5. 2021年春季PAT甲级考试
  6. c+++怎样安装mysql,yum安装mysql | C/C++程序员之家
  7. 框架:什么是框架?为什么要使用框架?框架有什么作用
  8. python 取整函数
  9. FRP (高性能反向代理应用)
  10. 大学生吸烟现象调查报告