1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do modelowania liniowego w Pythonie
Connected

ćwiczenie

Maksymalizacja wiarygodności – część 2

W części 1 obliczyłeś pojedynczą log-wiarygodność dla jednego mu. W części 2 użyjesz predefiniowanej funkcji compute_loglikelihood(), aby wyliczyć tablicę wartości log-wiarygodności – po jednej dla każdego elementu tablicy możliwych wartości mu.

Celem jest wskazanie tej jednej wartości mu, która daje maksymalną wartość w tablicy log-wiarygodności.

Na początek skorzystaj z wczytanych danych sample_distances, sample_mean, sample_stdev oraz funkcji pomocniczej compute_loglikelihood().

Instrukcje

100 XP
  • Utwórz mu_guesses, przyjmując wartości wyśrodkowane na sample_mean i rozłożone zgodnie z sample_stdev.
  • Dla każdej wartości mu_guess z mu_guesses użyj compute_loglikelihood() dla wszystkich sample_distances, utrzymując sigma na stałym poziomie równym sample_stdev.
  • Znajdź maksymalną wartość w tablicy loglikelihoods i użyj jej indeksu, aby wskazać best_mu spośród mu_guesses.
  • Wydrukuj best_mu i zwizualizuj wynik, tworząc wykres loglikelihoods.