AI_02_线性回归深入和代码实现_04_应用正太分布概率密度函数_对数总似然

 

均值和方差确定了，高斯分布的形状就确定了。

解释概率密度函数，如果均值和方差确定了。那么给出一个x，可以计算出f(x)，f(x)是概率密度函数，f(x)越大代表概率密度函数越大，概率密度越大对应的概率就越大，但需要注意：f(x)不是概率。

 

在机器学习中误差ε(i)是随机变量，当数据量多了的话ε(i)服从正太分布！

∏是连乘符号，找到多个概率密度相乘最大的时刻来模拟多个概率相乘最大！

找到最大总（m个样本的总）似然最大的时刻，也就是最优解！也就是这m个数据最贴合的正态分布！

L(θ)中的L指的是Likelihood，

求解最大似然函数的最大值，就是求连乘的最大值，不太好求解。把连乘转换成连加！