パラメータの学習
出典: フリー百科事典『ウィキペディア(Wikipedia)』 (2019/03/29 02:19 UTC 版)
パラメータ θ {\displaystyle \theta } の学習は通常 p ( Y i | X i ; θ ) {\displaystyle p(Y_{i}|X_{i};\theta )} について最尤法を用いて行われる。もし全てのノードが指数的な分布を持ち訓練において観測されるのなら、この最適化関数は凸型である。L-BFGS法(英語版)アルゴリズムのような勾配法半ニュートン法を使用してサンプルに沿って解かれる。一方で、いくつかの変数が観測されないとき、推定問題は観測されない変数についても解かれる必要がある。これは一般的なグラフにおいて厳密に推定するため手に負えず、推測が使用される必要がある。
※この「パラメータの学習」の解説は、「条件付き確率場」の解説の一部です。
「パラメータの学習」を含む「条件付き確率場」の記事については、「条件付き確率場」の概要を参照ください。
- パラメータの学習のページへのリンク