Con una coda di preferenze alimentari per gatti
Benvenuti nella sezione “Il coraggio di imparare il ML”. Questa serie mira a semplificare concetti complessi di apprendimento automatico, presentandoli come un dialogo rilassato e informativo, proprio come lo stile coinvolgente di “Il coraggio di non piacere”, ma con un focus su ML.
In questa puntata della nostra serie, la nostra coppia mentore-studente si tuffa in una nuova discussione su concetti statistici come MLE e MAP. Questa discussione getterà le basi per acquisire una nuova prospettiva sulla nostra precedente esplorazione della regolarizzazione L1 e L2. Per un quadro completo, consiglio la lettura di questo post prima di leggere la quarta parte dell’Il coraggio di apprendere il machine learning: demistificare la regolarizzazione di L1 e L2.
Questo articolo è progettato per affrontare domande fondamentali che potrebbero aver incrociato il tuo percorso in stile domande e risposte. Come sempre, se ti ritrovi ad avere domande simili, sei nel posto giusto:
- Cos’è esattamente la “probabilità”?
- La differenza tra verosimiglianza e probabilità
- Perché la probabilità è importante nel contesto del machine learning?
- Cos’è la MLE (stima della massima verosimiglianza)?
- Cos’è la MAP (Stima Massima A Posteriori)?
- La differenza tra MLE e i minimi quadrati
- I collegamenti e le distinzioni tra MLE e MAP
Probabilità, o più specificamente la funzione di verosimiglianzaè un concetto statistico utilizzato per valutare la probabilità di osservare i dati forniti sotto vari insiemi di parametri del modello. Si chiama verosimiglianza (funzione) perché è una funzione che quantifica la probabilità di osservare i dati correnti per diversi valori dei parametri di un modello statistico.
I concetti di verosimiglianza e probabilità sono fondamentalmente diversi in statistica. La probabilità misura la possibilità di osservare un risultato specifico in futuro, dati parametri o distribuzioni noti…
Fonte: towardsdatascience.com
