반응형
Maximum Likelihood Estimation란 모델의 파라미터를 찾는 방법이다.
여기서 Likelihood는 어떤 샘플데이터에 어떤 모델이 얼마나 fit되어 있느냐 이다. (걍 얼마나 표현을 잘했냐 이니까 정확도나 F1 score같은 평가 지표랑 비슷하다고 생각해도 될것 같다.)
그래서 Likelihood를 최대로 만드는 것이 에러를 최소화(KL-divergence) 하는거랑 뭐가다른가? -> 비슷하다 인공지능 관점에서 그냥 "똑같은거다" 라고 생각하면 될것 같다.
다시말하면 Maximum Likelihood Estimation란 데이터를 통해서 데이터들을 가장 잘 표현하는 모델 파라미터를 찾는 방법이다.
참고: Artificial Intelligence (COM3022) | Lecture 5 | Spring 2023 | 이장원
반응형
'컴퓨터 과학 > 인공지능' 카테고리의 다른 글
| Supervised Learning (0) | 2023.07.17 |
|---|---|
| Bayesian Statistics (Frequentist vs Bayesian) (0) | 2023.07.13 |
| Estimation from the field of statistics (0) | 2023.07.12 |
| Generalization (0) | 2023.07.12 |
| Learning Algorithms (0) | 2023.07.12 |
