Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 |
Tags
- Gradient Boostnig
- multivarite data
- Gradient boosting machine
- Gradient Boosting
- 차원 축소
- multivarite method
- 알고리즘
- ML
- 머신러닝
- ensemble learning
- LIKELIHOOD
- LDA
- LGBM
- xgboost
- MLE
- 차원축소
- dimension reduction
- 앙상블
- Gbm
- Maximum A Posterior
- Regression
- classification
- 앙상블 학습
- Machine Learning
- 최대사후확률
- decision tree
- pca
- 트리분할
- feature extraction
- ensemble
Archives
- Today
- Total
목록maximum likelihood function (1)
코딩하는 눈송이
Likelihood란? Likelihood는 관측치가 어떤 특정한 분포(Distribution)에서 나왔을 가능성을 수치화한 것이다. 위의 그림에서 봤을 때 관측치는 파란색 분포보다 주황색 분포에서 나왔을 가능성이 더 높다. 이를 수학적인 방법으로 분포의 특성을 추정하는 방법이 Maximum Likelihood Estimation이다. Maximum Likelihood Estimation(MLE)란? 수적인 데이터 밀도 추정 방법으로써 파라미터 $ \theta = (\theta_1, ... , \theta_m) $으로 구성된 어떤 확률밀도함수 $ P(x|\theta) $에서 관측된 표본 데이터 집합을 $ x = (x_1, ..., x_m) $이라 할 때, 이 표본들에서 파라미터 $ \theta = (\t..
확률론
2023. 1. 10. 16:48