0
我无法理解Andrew Ng的CS229笔记中给出的GDA的似然函数。 (φ(y(i)| y(i);μ0,μ1,Σ)p(y(i);φ )}GDA(高斯判别分析)的对数似然函数
链路是http://cs229.stanford.edu/notes/cs229-notes2.pdf页面5.
对于线性回归函数是乘积从i到熔点(Y(I)| X(ⅰ); THETA) ,其对我有意义。 为什么在这里有一个变化,说它是由p(x(i)| y(i)给出的并且它乘以p(y(i); phi)? 在此先感谢
嗨,给予x(可能是矢量)和y值(0或1)的训练集。什么是p(x_i,y_i),即联合概率denssity函数表示它的含义。模型我明白,为了使θ最大化的可能性最大化,我从mp到mp(y_i,x_i)..在这种情况下,可能性是参数mu,phi和sigma。关节pdf在这里表示的是什么.. –
[联合概率分布](https://en.wikipedia.org/wiki/Joint_probability_distribution)对两个(或更多)随机变量的联合分布建模。例如。如果知道P(X,Y),可以估计p(X = 1,Y = 0),p(X = 15,Y = 1),p(X =,Y = 1)= p(Y = 1 ),p(X = 1,Y = ),...而在条件分布P(Y | X)中,你不知道X的分布情况。就像有人把你随机的X值和你所能做的就是告诉他们的Y值,也就是说你不能从y向x后退。 –
aleju