我经常偶然发现论文说神经网络是用最大似然原理训练的。我想我一般都明白什么是最大可能性。但我很难理解如何把它应用到神经网络训练中。
如何利用最大似然原理训练神经网络？
浏览 0提问于2018-01-04得票数 6
使用的是哪些算法，算法还是其他算法？
UPD，据我所知，fit中的优化算法找到了最大似然估计。但是，例如，对于scipy.stats.norm，极大似然是众所周知的-它是样本平均值的正常均值和平方根从样本方差-西格玛。为什么它不是计算出来的？
浏览 4提问于2013-05-27得票数 2
回答已采纳
1回答
最大化算法，它收敛并正确地返回mu和sigma的值，我已经用各种例子进行了检查。负值非常奇怪，也许我应该将可能性归一化？对数似然在Exp中的含义。最大化？
浏览 2提问于2013-03-17得票数 2
回答已采纳
毕晓普在他的论文之一中写道，平方误差函数之和可由最大似然原理导出。此外，他还写道，因此，平方误差使目标值上的噪声具有高斯分布的假设。
我不知道他这么说是什么意思。在神经网络环境下，平方误差之和与最大似然原理的关系如何？
浏览 0提问于2015-05-22得票数 3
我试图了解线性回归的auto.arima()和lm()是如何工作的。If am xreg term is included, a linear regression (with a constantwith an ARMA m
浏览 3提问于2015-12-09得票数 4
回答已采纳
1回答
为了使用因子分析为我的数据选择最佳的底层因素，我决定使用scikit学习的文档中概述的教程。
运行cross_val_score(fa, X)输出分数(通常为负数)。这个分数到底是多少？任何参考与您的答复将是非常感谢！
浏览 0提问于2018-08-16得票数 0
回答已采纳
1回答
最大似然估计的好算法
、、、
Matlab中，我使用了如下内容： [fit01,~,LogL01] =garchfit(spec, STAT);我的程序现在工作非常慢，有时不正确。有人知道关于MLE的一些好的快速算法吗？
(MLE =最大似<
浏览 1提问于2013-09-12得票数 0
1回答
关于EM算法。如果我理解正确的话，似然率是在E步中获得的(例如，在Baum-Welch算法中，似然率可以通过前向-后向过程获得)。然而，每一次EM迭代的最后一步是M步。这意味着在步骤k中计算的似然，实际上“属于”步骤(k-1)的参数。真的是这样吗，还是我漏掉了什么？
浏览 5提问于2015-06-25得票数 0
方法scipy.stats.rv_continuous.fit找到使对数似然函数最大化的参数，该对数似然函数由输入数据和分布rv_continuous的规格确定。scipy.stats.rv_continuous.fit的文档没有解释对数似然函数是如何生成的，我想知道是如何生成的。我需要它，这样我就可以在fit估计的参数(即最大值)下计算对数似然的值。
浏览 27提问于2020-01-23得票数 1
回答已采纳
我目前正在使用optim 'BFGS'将使用优化器fminunc计算对数似然的matlab模型集转换为R。
我有所有matlab模型的初始值、最大似然值和最终参数结果。大多数R转换的模型都可以使用optim找到，使用与matlab相同的初始参数，具有相同的对数似然和相同的最终参数值。然而，有些模型会陷入局部最优，这可以通过输入matlab端参数值作为初始值来解决，然后这些模型就会找到matlab的最大似然<
浏览 0提问于2013-02-18得票数 0
logLik函数的lm方法返回的对数似然似乎与手动计算的对数似然不匹配。 为了演示，下面我将一个只有一个截距的标准线性模型拟合到一个具有三个点的简单数据集。然后，我使用logLik提取对数似然，并通过对在最大似然估计时评估的pdf的对数求和来手动计算它。深入研究logLik (stats:::logLik.lm)调用的方法，计算对数似然的关键行可以写成 n <- nrow(test_df);
浏览 53提问于2021-04-28得票数 0
回答已采纳
它是该模型下的最大似然估计，即单个值，还是多个参数值的概率乘积的结果？抱歉，我知道这是一件非常基本的事情，我不知道。
浏览 3提问于2016-07-26得票数 0
回答已采纳
R的glm返回模型的最大似然估计，而Spark的LogisticRegressionWithLBFGS返回正则化的模型估计。
根据现有文献，最大似然估计似乎更有效。我很想知道，为什么Spark开发人员没有选择“最大似然估计”技术？
浏览 0提问于2016-09-04得票数 1
2回答
好的，对于在不同机器学习算法的上下文中定义似然函数的方法，我有很多困惑。在这个讨论的背景下，我会参考吴家祥229的讲稿。
这是我迄今为止的理解。在分类的背景下，我们有两种不同的算法:区分算法和生成算法。这两种情况的目的都是确定后验概率，即p(C_k|x;w)，其中w是参数向量，x是特征向量，C_k是kth类。根据我的理解，Bayes定理的形式是:p(参数点)=p(参数)，p(参数)，/p(数据)，其中似然函数是p，后验是p，先验是p(参数)。
浏览 3提问于2015-06-04得票数 0
我试图使用R中的optim/maxBFGS函数来拟合一个定制的logistic回归/生存分析函数，并通过手工定义这些函数。
浏览 4提问于2014-08-17得票数 1
回答已采纳
1回答
我正在使用python scikit-learn包中的高斯混合模型来训练我的数据集，但是，我在编码时发现了这一点-- G.fit(...)得到的对数概率是正实数...为什么会这样呢？对数概率不一定是负的吗？如果协方差矩阵接近奇异，那么GMM将不会很好地执行，通常这意味着数据不适合于这样的生成任务
浏览 1提问于2012-08-29得票数 7
回答已采纳
1回答
我关注贝叶斯学习的概念，并研究了最大似然假设和最大后验假设。我已经看到，最大似然假设是最大可能获取数据的理由，它被定义为：
但我不能否认什
浏览 0提问于2020-09-16得票数 2
回答已采纳
我正在使用最大似然估计程序，通过使用对数似然函数，并对每个对数进行微分，对数似然方程是非线性的，我必须使用牛顿Rhapson迭代method.How，我可以使用R或任何其他编程语言吗？
浏览 3提问于2010-08-03得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
