杂集

作者: 司马山哥 | 来源:发表于2019-12-08 17:19 被阅读0次

    1 负的似然函数为何可做“损失函数”?

    似然函数的本质就是衡量在某个参数下,训练集的估计和真实情况一样的概率,越大代表越相近。

    f(x)为预测样本x为1的概率,则P(f(x)=1|y=1)=f(x)
    P(y=f(x))=P(y=1)P(f(x)=1|y=1)+P(y=0)P(f(x)=0|y=0) \ \ \ \ (*)函数f(x)是预测样本x为1的概率
    从而(*)式改为
    P(y=f(x))=P(y=1)f(x)+(1-P(y=1))(1-f(x))
    则预测损失可用P(y \not= f(x))=1-P(y=f(x)) \propto -P(y=f(x))衡量,考虑到对数函数的单调递增,所以损失函数可改写为-ln \ P(y=f(x))

    相关文章

      网友评论

          本文标题:杂集

          本文链接:https://www.haomeiwen.com/subject/hbmmgctx.html