整理以前学习过程中的疑问。
为什么使用交叉熵作为逻辑回归的损失函数?
频率学派的一种估计参数的方法,这种方法适合分类回归任务。
必须要提一下的是,频率学派将参数\(\theta\)看作一个未知待估计的常数,其目标是使用带一定性质的估计方法求出。
似然函数就是其中的一种方法。
A
拾人牙慧,给出参考
可以近似的理解为条件概率的逆反
使用已知的事件来估计参数的概率(或者更准确的说:似然)
而使用概率来估计事件发生就是典型的一种条件分布
下面开始论述什么是似然
阅读时注意两点:
- 似然是一种对应已知事件的参数估计,可以近似理解为参数的概率。
- 我们认为参数是一个未知待估计的常数,求其似然只是为了最大似然估计一个最优值而已。
B
逻辑分类的损失函数不使用二乘而是用交叉熵
从最大似然估计的角度说明
论述如下:
C
初学,理解可能有偏颇,不当之处请指出。
标签:似然,逻辑,函数,交叉,估计,参数,使用 From: https://www.cnblogs.com/aoidayo/p/17992297