这是课程讲到的第一个生成学习算法,它将对p(x|y)建模。
它要解决分类问题,此例中y只取0或1,x取连续量。
对此模型的定义:
y显然是伯努利分布,这里我们假设了x服从多维正态分布。
具体展开上面的概率分布:
我们依然用最大化拟然函数的方法得到各参数的最优值:(与前面稍有不同,前面我们用p(y|x)来得出拟然函数,但这里我们为了简化计算,采用p(x,y)得出
这是课程讲到的第一个生成学习算法,它将对p(x|y)建模。
它要解决分类问题,此例中y只取0或1,x取连续量。
对此模型的定义:
y显然是伯努利分布,这里我们假设了x服从多维正态分布。
具体展开上面的概率分布:
我们依然用最大化拟然函数的方法得到各参数的最优值:(与前面稍有不同,前面我们用p(y|x)来得出拟然函数,但这里我们为了简化计算,采用p(x,y)得出