Watter raai verduidelik die data die beste (waarskynlikheid)
Waarom dit saak maakByna elke verlies in hierdie kursus is skelmweg dieselfde idee: kies die model waaronder die data wat jy gesien het die hoogste waarskynlikheid het.
Klein getalle
Jy gooi 'n muntstuk 10 keer en sien 7 kopse. Is die muntstuk regverdel? Vra: as die kans op kopse p was, hoe waarskynlik is presies hierdie volgorde? Vir p = 0.5 is dit 0.5 tot die 10de, ongeveer 0.00098. Vir p = 0.7 is dit 0.7 tot die 7de keer 0.3 tot die 3de, ongeveer 0.0022, meer as twee keer so waarskynlik. Skandeer elke p van 0 tot 1 en die beste is presies 0.7: die deel van kopse wat jy gesien het.
Likelihood: hoe waarskynlik die waargenome data is onder 'n spesifieke instelling van die model. Maximum likelihood: die instelling wat dit die mees waarskynlik maak.
Produkte van baie klein waarskynlikhede word te klein vir 'n rekenaar, so ons voeg logaritmes by in plaas daarvan: die log-likelihood. Die beste instelling verander nie, omdat log net opgaan wanneer sy insetwaarde opgaan.
Opsomming Kies die instelling wat dit wat jy gesien het die minste verrassend maak.
Woorde en simbole in hierdie les
- waarskynlikheid
- hoe waarskynlik die data wat jy gesien het is onder een instelling van die model
Skryf log_likelihood(p, heads, tails) en best_p(heads, tails), wat skandeer p oor np.linspace(0.001, 0.999, 999) en die p met die hoogste log-likelihood teruggee.
Twee log-reëls wat jy hier nodig het: die log van 'n produk is die som van die logs, log(a * b) = log a + log b, en so kom 'n mag voorin uit, log(p7) = 7 log p.
Sien jy 'n probleem in hierdie les? Rapporteer dit · Vra oor hierdie les
Hierdie oefening open binnekort
Voltooi die lesie voor dit en hierdie een sal ontvanklik wees. Die hele kursus is gratis, geen rekening nodig nie, en jy kan hierdie les nou lees.
Hierdie blutser blokkeer koekies vir learn.floati.life, so lesse wat jy hier voltooi het kan nie in volgorde oopgaan nie. Laat koekies vir hierdie webwerf toe en laai nuut.