The above equation corresponds to K

The above equation corresponds to Kullback–Leibler divergence which is minimized when the estimated parameters are equal to the optimal parameters. The true
model θ u∗ is not known but could be estimated as the expectation over the posterior
distribution of the user’s model i.e. p(θ u|u).

ผลลัพธ์ (ไทย) 1:

สมการข้างต้นสอดคล้องกับ Kullback – Leibler divergence ซึ่งถูกย่อเล็กสุดเมื่อพารามิเตอร์โดยประมาณเท่ากับพารามิเตอร์เหมาะสม ความจริงรุ่น u∗ θไม่ทราบ แต่ไม่สามารถประเมินเป็นความคาดหวังมากกว่าหลังการกระจายของผู้ใช้เช่นรุ่น p (θ u|u)

ผลลัพธ์ (ไทย) 2:

สมการข้างต้นสอดคล้องกับความแตกต่าง Kullback-Leibler ซึ่งจะลดลงเมื่อค่าพารามิเตอร์โดยประมาณเท่ากับค่าพารามิเตอร์ที่เหมาะสม ความจริง
รูปแบบθยู * ไม่เป็นที่รู้จัก แต่อาจจะเป็นความคาดหวังที่คาดในช่วงหลัง
ของรูปแบบการกระจายของผู้ใช้เช่นพี (θยู | ยู)

ผลลัพธ์ (ไทย) 3:

สมการข้างต้นสอดคล้องกับคัลแบ็ก–ลี๊บเลอร์ divergence ซึ่งลดลงเมื่อค่าพารามิเตอร์มีค่าพารามิเตอร์ที่เหมาะสม รูปแบบจริง
θ u ∗ไม่เป็นที่รู้จัก แต่อาจจะประมาณที่เป็นความคาดหวังมากกว่าการกระจายด้านหลัง
รูปแบบของผู้ใช้เช่น P ( U
U θ | )