问题遇到的现象和发生背景
在学习机器学习的贝叶斯决策的时候，学到用极大似然估计参数时，似然函数用了对数，虽然我清楚这个会有比较多的好处，但是也有一个疑问，那就是，概率是处于[0,1]的值，那么取了对数ln之后，根据图像，我们可以知道对数值应该是[-∞，0]，这里就有个问题：求出来的LL(θ_c)是负数之和，而原来的结果是正数，那最后如何运算使得他们最终求出的参数θ_c保持一致呢？
0条回答 默认 最新
- 2023-07-09 10:48完美代码的博客 极大似然估计的本质思想是：给定一个观测值，我们如何去估计它的分布参数，使得这个观测值出现的概率最大。在机器学习领域中，我们可以使用极大似然估计方法来估计模型的参数，从而使得该模型基于训练集数据的预测...
- 2023-03-28 16:30不二曦的博客 此篇我们将从似然的定义出发，逐步推导出负对数似然，再与交叉熵对比。全篇说人话。同时会介绍pytorch的部分API。
- 2018-08-18 15:42鹏大大大的博客 极大似然估计 以前多次接触过极大似然估计，但一直都不太明白到底什么原理，最近在看贝叶斯分类，对极大似然估计有了新的认识，总结如下： 贝叶斯决策 首先来看贝叶斯分类，我们都知道经典的贝叶斯公式：...
- 2024-04-04 21:36LaoYuanPython的博客 本文结合详细的案例介绍了似然函数和最大似然估计的概念，并通过典型案例说明了最大似然估计的计算过程，有助于大家理解似然函数和最大似然估计。
- 2024-08-31 16:30LaoYuanPython的博客 本文介绍了经验风险最小化和极大似然估计的定义，当模型是条件概率分布、损失函数是对数损失函数时，经验风险最小化就等价于极大似然估计，本文对这个等价关系进行了推导解释。
- 2020-12-15 16:10weixin_39612554的博客 今天讲一个在机器学习中重要的方法——极大似然估计。这是一个，能够让你拥有拟合最大盈利函数模型的估计方法。01什么是极大似然估计法极大似然估计是 1821 年由高斯提出，1912 年由费希尔完善的一种点估计方法。...
- 2024-04-14 16:53格兰芬多_未名的博客 本节我们介绍统计学中常用的三种参数估计方法：极大似然估计（MLE）、最大后验估计（MAP）以及贝叶斯估计.
- 2019-02-04 11:19喜欢打酱油的老鸟的博客 经常有许多对人工智能领域跃跃欲试的小伙伴在后台发私信问我“怎样快速入门人工智能呢？” 对于这样的问题，我我又要“老生常谈”了——作为一门庞大而又繁杂的综合学科，学习的过程一定需要逐步理解、逐层深入。...
- 2024-02-24 22:24Geeker · LStar的博客 【初中生讲机器学习】机器学习中的 “似然” 太多，搞不懂？来看这篇！
- 2024-10-01 11:50彬彬侠的博客 极大似然估计（Maximum Likelihood Estimation, MLE）核心思想是选择那些使得观测数据最可能发生的参数值。本文给出了形式化定义公式，进行了举例说明：1. 伯努利分布的极大似然估计；2. 正态分布的极大似然估计
- 2022-02-19 16:38von Neumann的博客 极大似然估计是求总体未知参数的另一种常用的点估计方法。对离散总体XXX，其分布律为P(X=x;θ)P(X=x; \theta)P(X=x;θ)，设(x1,x2,⋯ ,xn)(x_1, x_2, \cdots, x_n)(x1,x2,⋯,xn)为取自该离散总体XXX的一个...
- 2025-03-04 20:20Shockang的博客 【深度解析极大似然估计】：从数学原理到机器学习实战！涵盖概率模型、经典算法对比、Python代码实现，详解案例分析与️正则化技巧，助你掌握参数估计核心方法，突破过拟合难题，附可视化代码与进阶EM算法！
- 没有解决我的问题, 去提问
问题事件
系统已结题
4月26日
创建了问题
4月18日