کدام حدس داده را بهتر توضیح میدهد (درستنمایی)
چرا مهم است تقریباً هر زیانی در این دوره پنهانی همان ایده است: مدلی را انتخاب کنید که دادهٔ دیدهشده تحت آن محتملترین باشد.
اعداد کوچک
یک سکه را 10 بار میاندازید و 7 شیر میبینید. آیا سکه سالم است؟ بپرسید: اگر احتمال شیر p بود، دقیقاً همین دنباله چقدر محتمل بود؟ برای p = 0.5 برابر 0.5 به توان 10، حدود 0.00098، است. برای p = 0.7 برابر 0.7 به توان 7 ضرب در 0.3 به توان 3، حدود 0.0022، یعنی بیش از دو برابر محتملتر است. هر p را از 0 تا 1 بپیمایید و بهترین دقیقاً 0.7 است: سهم شیرهایی که دیدید.
درستنمایی: اینکه دادهٔ مشاهدهشده تحت یک تنظیم خاص مدل چقدر محتمل است. بیشینهٔ درستنمایی: تنظیمی که آن را محتملترین میکند.
حاصلضرب احتمالهای کوچک بسیار برای کامپیوتر بیش از حد کوچک میشود، پس به جای آن لگاریتمها را جمع میزنیم: لگاریتم درستنمایی. بهترین تنظیم تغییر نمیکند، چون لگاریتم وقتی ورودیاش بالا میرود همیشه بالا میرود.
خلاصه تنظیمی را انتخاب کنید که آنچه دیدید را کمترین شگفتی کند.
واژهها و نمادهای این درس
- درستنمایی
- اینکه دادهٔ دیدهشده تحت یک تنظیم مدل چقدر محتمل است
log_likelihood(p, heads, tails) و best_p(heads, tails) را بنویسید؛ دومی p را روی np.linspace(0.001, 0.999, 999) میپیماید و p با بیشترین لگاریتم درستنمایی را برمیگرداند.
دو قاعدهٔ لگاریتمی که اینجا لازم دارید: لگاریتم یک حاصلضرب جمع لگاریتمهاست، log(a × b) = log a + log b، و بنابراین یک توان به جلو میآید، log(p7) = 7 log p.
مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید
این تمرین بهزودی باز میشود
درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و میتوانید همین الان این درس را بخوانید.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.