Regression
損失函數和 MLE 有什麼區別？
我正在嘗試學習機器學習，但我不確定這些術語的含義。我知道可能性是要學習的參數的函數，我們希望最大化它，但我也知道我們使用損失函數擬合模型……
有人可以給出不同模式下的示例（例如離散樸素貝葉斯或邏輯回歸中的 MLE 是什麼），以及它們與損失函數的關係如何？
損失函數是作為模型參數函數的模型失配的度量。損失函數比單純的 MLE 更通用。
MLE 是一種特定類型的概率模型估計，其中損失函數是（對數）似然。套用 Matthew Drury 的評論，MLE 是證明概率模型損失函數的一種方法。