知识卡片
条件似然不是概率直接相加
监督条件分类常最大化各训练实例正确标签概率的乘积,或等价的对数概率和;原文把概率直接求和称整体似然不成立。按标签归一时分母需遍历候选标签,保证同一输入下总概率为1。最大熵分类器的这种训练关联见[[最大似然估计不是最大熵模型]],不能把模型框架、优化目标和任意求和混在一起。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 词性标注:单词识别 4.3 选择一种机器学习算法 · 查看原书依据
P(features_word)=
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第4章 词性标注:单词识别,spine058单元006;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00057.html。
- 结论依据:原文两行公式一处直接加概率、一处按标签归一;说明各自对象并指出前者不是独立样本条件似然,未实现训练。未在本机运行示例或改变环境。
- 原始内容:语料库的整体似然性。 它可以定义如下: P(features_word)=Σ x|in|corpus P(label_word(x)|features_word(x)) P(label_word|features_word)=P(label_w