Silabus Pelajaran 33 dari 246 · Modul 2: Matematika dan probabilitas, hanya jika dibutuhkan
Modul 2: Matematika dan probabilitas, hanya jika dibutuhkan

Tebakan mana yang paling menjelaskan data dengan baik (likelihood)

Kenapa ini pentingHampir setiap kerugian di kursus ini sebenarnya adalah ide yang sama: pilih model di mana data yang kamu lihat paling mungkin.

Angka kecil

Kamu melempar koin 10 kali dan melihat 7 angka. Apakah koinnya adil? Tanya: jika peluang angka adalah p, seberapa besar kemungkinan urutan tepat ini? Untuk p = 0.5 hasilnya adalah 0.5 pangkat 10, sekitar 0.00098. Untuk p = 0.7 hasilnya adalah 0.7 pangkat 7 dikali 0.3 pangkat 3, sekitar 0.0022, lebih dari dua kali lipat lebih mungkin. Scan setiap p dari 0 sampai 1 dan yang terbaik adalah tepat 0.7: bagian angka yang kamu lihat.

Likelihood: seberapa besar kemungkinan data yang diamati di bawah pengaturan model tertentu. Maximum likelihood: pengaturan yang membuatnya paling mungkin.

Hasil dari banyak probabilitas kecil menjadi terlalu kecil untuk komputer, jadi kita menambahkan logaritma sebagai gantinya: log-likelihood. Pengaturan terbaik tidak berubah, karena log hanya akan naik saat inputnya naik.

Ringkasan Pilih pengaturan yang membuat apa yang kamu lihat paling tidak mengejutkan.

Kata dan simbol di pelajaran ini
likelihood
seberapa besar kemungkinan data yang kamu lihat di bawah satu pengaturan model
Giliranku

Tulis log_likelihood(p, heads, tails) dan best_p(heads, tails), yang memindai p di atas np.linspace(0.001, 0.999, 999) dan mengembalikan p dengan log-likelihood tertinggi.

Dua aturan log yang kamu butuhkan di sini: log dari sebuah hasil kali adalah jumlah dari lognya, log(a × b) = log a + log b, dan jadi pangkat akan keluar ke depan, log(p7) = 7 log p.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.