반응형
https://www.edwith.org/machinelearning1_17/forum/10368
해당 링크를 통해 올라온 질문에 대한 본인의 답변
MLE는 관측 결과에 따라 값의 변화가 매우 민감하게 움직인다는 것이 단점입니다. 관측수 즉 관측빈도가 높으면 이 문제는 해결되겠지만 그렇지 않을 경우 관측결과의 정확성이 떨어지는 케이스에 대해(극단적인 확률로 인한 케이스 등) 모수추정이 힘들어 질 수 있습니다. 그렇기 때문에 주어진 관측결과의 확률을 최대화시키는 MLE의 방식에서 벗어나 주어진 데이터에 대해 최대 확률을 가지는 θ값을 구하는 MAP방식을 사용하여 단점을 보완하였습니다. MAP방식은 바로 관측결과만이 아닌 사전지식을 수식에 대입하여 최적의 값을 찾는 것입니다. 하지만 MAP방식에서 사용되는 사전지식은 베이즈추론(Bayes' Theorem)을 사용하여 구해야합니다. 이때 이 사전지식의 값이 정확하지 않다면 MAP을 통한 결과값은 신뢰성이 떨어진다는 단점이 있습니다.
반응형
'인공지능' 카테고리의 다른 글
인공지능학회 데드라인 (0) | 2021.12.25 |
---|---|
Self-Supervised Learning 용어 정리 (0) | 2021.05.15 |
컴퓨터 비전(Computer Vision) 학회 정리(Conferences) (0) | 2021.02.02 |
Find-S 알고리즘과 같은 RULE BASED MACHINE LEARNING 의 단점은 무엇일까요? (0) | 2019.08.02 |