মেশিন লার্নিংয়ের দিকে: মেশিন লার্নিংয়ে আপনি সাধারণত সর্বাধিক করার চেষ্টা করেন , যেখানে টার্গেট হয় এবং হ'ল ইনপুট (উদাহরণস্বরূপ, এক্স কিছু এলোমেলো শব্দ হতে পারে, এবং y একটি চিত্র হবে) )। এখন, আমরা কীভাবে এটি অপ্টিমাইজ করব? এটি করার একটি সাধারণ উপায় হ'ল, এটি । যদি আমরা এটি ধরে নিই তবে এটি গড় স্কোয়ার ত্রুটির দিকে পরিচালিত করে। দ্রষ্টব্য, আমরা ফর্ম হিসাবে ধরে নিয়েছি । যাইহোক, আমরা যদি কোনও নির্দিষ্ট বিতরণ অনুমান না করি তবে এটিকে সম্ভাবনা মুক্ত শিক্ষা বলা হয়।p ( y)| এক্স)এক্সYp ( y)| x)=এন( y)| μ(এক্স),σ)পি ( y | x )p ( y)| এক্স)
জ্যানরা কেন এর অধীনে আসে? ওয়েল, লস ফাংশনটি একটি নিউরাল নেটওয়ার্ক এবং এই স্নায়ু নেটওয়ার্কটি স্থির নয়, তবে যৌথভাবে শিখেছি। অতএব, আমরা আর কোনও রূপ ধরে নিই না (ব্যতীত যে বিতরণ পরিবারে পড়ে, এটি বৈষম্যকারীর দ্বারা প্রতিনিধিত্ব করা যেতে পারে, তবে তত্ত্বের জন্য আমরা বলি এটি যাইহোক সর্বজনীন ফাংশন আনুমানিক)।p ( y)| এক্স)