知识卡片
MAP估计与权重衰减等价
完整贝叶斯后验的计算通常很棘手,MAP(最大后验)估计提供一个折中:取后验概率(密度)最大的单点作为参数估计。其目标可分解为标准的对数似然项加上先验的对数项,因此它既利用数据又纳入先验信息,可看作正则化的贝叶斯解释。当权重先验取高斯分布时,log先验项正比于平方L2范数惩罚,于是带高斯先验的MAP推断恰好对应权重衰减正则化。许多正则化最大似然方法都可解释为贝叶斯推断的MAP近似,加在目标上的正则项对应log p(θ)。不过并非所有正则项都对应某个概率分布的对数,也有些正则依赖数据,不能视为先验;MAP用增大偏差的代价换取比ML更小的方差。
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5章 机器学习基础 · 查看原书依据
许多正规化估计方法,例如权重衰减正则化的最大似然学习,可以被解释为贝叶斯推断的MAP近似。这个适应于正则化时加到目标函数的附加项对应着log p( θ )。
参考来源
- 位置:《深度学习》第5章 机器学习基础(源文件:extracted/深度学习/_epub-src/text/part0001_split_001.html)
- 结论依据:原文说明MAP估计选择后验最大的点、其对数目标含log先验项,并以高斯先验推出权重衰减,指出许多正则化可解释为MAP近似。
- 原始内容:许多正规化估计方法,例如权重衰减正则化的最大似然学习,可以被解释为贝叶斯推断的MAP近似。这个适应于正则化时加到目标函数的附加项对应着log p( θ )。