在深度学习时 遇到一个问题,不应该是直接去考虑怎么解决这个问题,而是应该去想这个问题比最基本的问题来说有哪些先验知识。
比如在图像识别和字体识别时,在遇到字体识别时,首先想到的是字体和普通的图像是不一样的,它是线形的。是条状的。
要把这个加到先验知识中。
损失+正则项 = 极大似然估计+先验= 后验估计。
## 极大似然估计
我们需要去求这个似然函数的值是最大的,也就是求出在最大值时的最优参数。
这也就是我们训练时候的损失函数。
在深度学习时 遇到一个问题,不应该是直接去考虑怎么解决这个问题,而是应该去想这个问题比最基本的问题来说有哪些先验知识。
比如在图像识别和字体识别时,在遇到字体识别时,首先想到的是字体和普通的图像是不一样的,它是线形的。是条状的。
要把这个加到先验知识中。
损失+正则项 = 极大似然估计+先验= 后验估计。
## 极大似然估计
我们需要去求这个似然函数的值是最大的,也就是求出在最大值时的最优参数。
这也就是我们训练时候的损失函数。
相关文章: