Programme Leçon 33 sur 246 · Module 2 : Maths et probabilités, juste ce qu'il faut
Module 2 : Maths et probabilités, juste ce qu'il faut

Quelle hypothèse explique le mieux les données (vraisemblance)

Pourquoi c'est important Presque toutes les pertes de ce cours sont secrètement la même idée : choisir le modèle sous lequel les données que tu as vues sont les plus probables.

De tout petits nombres

Tu lances une pièce 10 fois et tu vois 7 piles. La pièce est-elle équilibrée ? Demande-toi : si la chance de pile valait p, quelle serait la probabilité d'exactement cette suite ? Pour p = 0.5, c'est 0.5 à la puissance 10, environ 0.00098. Pour p = 0.7, c'est 0.7 à la puissance 7 fois 0.3 à la puissance 3, environ 0.0022, plus de deux fois plus probable. Parcours chaque p de 0 à 1 et le meilleur vaut exactement 0.7 : la part de piles que tu as vue.

Vraisemblance : à quel point les données observées sont probables sous un réglage particulier du modèle. Maximum de vraisemblance : le réglage qui les rend les plus probables.

Les produits de nombreuses petites probabilités deviennent trop petits pour un ordinateur, donc on additionne plutôt des logarithmes : la log-vraisemblance. Le meilleur réglage ne change pas, parce que le log ne fait que monter quand son entrée monte.

Récap Choisis le réglage qui rend ce que tu as vu le moins surprenant.

Mots et symboles de cette leçon
vraisemblance
à quel point les données que tu as vues sont probables sous un réglage du modèle
À ton tour

Écris log_likelihood(p, heads, tails) et best_p(heads, tails), qui parcourt p sur np.linspace(0.001, 0.999, 999) et renvoie le p qui a la plus grande log-vraisemblance.

Deux règles de log dont tu as besoin ici : le log d'un produit est la somme des logs, log(a × b) = log a + log b, et donc une puissance passe devant, log(p7) = 7 log p.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.