3、尤度関数:これは私が理解され、例えば、我々は多くをしてきた、我々はXの分布の確率密度関数が、未知パラメータの確率分布のことを知っているが、私はこの未知のパラメータθを取得したいです既知の変数、確率密度関数は、一緒にこれらを掛け、これは尤度関数です。
最大尤度関数は:尤度関数を知るために、我々は、我々はこのパラメータに未知パラメータ依頼することが必要になりますように、最大の確率分布である最大尤度関数、ということでなければなりません。
予想されるリスク(実際のリスク)モデルの関数として理解は、データの損失の平均程度、またはミスの「平均」レベルに固定されています。予想されるリスクは、関数と確率分布の依存損失です。
唯一のサンプルは、予想されるリスクを計算することができません。
したがって、使用経験的リスクは、予想されるリスクを推定するために、設計の学習アルゴリズムは、最小化。すなわち、経験的リスク最小化(経験的リスク最小化)ERM、ERM損失関数を計算、評価されます。
分類問題のために、リスク、トレーニングサンプルエラー率を経験します。
関数近似、フィッティングの問題について、リスク、二乗トレーニングエラーが発生します。
確率密度推定には、ERM、それが最尤推定値です。
ます。https://www.cnblogs.com/GuoJiaSheng/p/3871464.htmlで再現