第75页 第二章
火姬serafina (初心しょしん)
- 章节名:第二章
- 页码:第75页
在Linear Regression 当中,全局最优是通过OLS求出来的,这个和MLE求出来的参数是一样的。 但是在nonlinear regression当中,参数是不能通过OLS求出来的,所以需要linearization,得出initial value ,然后再用MLE求出参数。例如logistic 当中我们有Newton-Raphson 和Fishers' Scoring function,这个就是machine learning 里面的gradient Descent 的方法这里求出的参数可能有些只能是局部最优。
55人阅读
火姬serafina对本书的所有笔记 · · · · · ·
-
第51页 entropy
在这本书的背景下,在准备学习machine learning 之前,有三大块是非常重要的 这三大块的本质...
-
第78页 第二章
最大似然法(MLE)和具有贝叶斯观点的MAP(Maximum Likelihood Prior) 最大似然法会用到很多地...
-
第75页 第二章
> 查看全部3篇
说明 · · · · · ·
表示其中内容是对原文的摘抄