Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRÁCTICA CALIFICADA
Problema 1
enunciado
a. Para calcular los más probables que producen la data , debemos de maximizar
el likelihood, por ello debemos multiplicar todas las probabilidades que producen cada
una de las salidas.
Utilizando el log likelihood para este modelo, siguiendo el proceso descrito en clase para una
distribución Gaussiana.
Derivando el log-likelihood con respecto a e igualando a cero para poder hallar el que produce
la data.
Asumiendo de es un vector que para cada valor de , existe un valor de relacionado a este.
Para la ecuación anterior no existe una solución analítica, es una ecuación trascendental, por lo
que podría ser resuelta por métodos numéricos, por ejemplo recursividad. Para lo cual para hallar
el debemos usar gradiente descendiente.
Problema 2
Del enunciado del problema se tiene un clasificador lineal en donde:
Entonces en el eje horizontal tenemos el producto , Analizaremos los dos casos para los
dos valores de y:
Primer caso:
Si , entonces el término tiene que ser mayor a cero para que el clasificador
etiquete a la entrada correctamente.
Por lo tanto, el producto tendrá que tender a ser positivo para que clasifique
correctamente.
Segundo caso:
Si , entonces el término tiene que ser menor a cero para que el clasificador lo
etiquete correctamente.
Por lo tanto, el producto tendrá que tender a ser positivo para que clasifique
correctamente.
Por lo tanto, en ambas situaciones se puede observar que el producto tiende a ser más positivo
cuando clasifique correctamente. Entonces, la función de costo tiene que ser decreciente a
medida que se recorre de izquierda a derecha.
Las funciones de costo que cumplen la condición anterior son las funciones a y b:
…………….. 2.2
Como nuestra función de costo es una función compuesta, entonces aplicamos la propiedad de
de la derivada compuesta en la ecuación 2.2 :
…………….. 2.3
Problema 3
Dado que está definido de la siguiente forma: