p ( x ∣ θ ) p(x|\theta) p(x∣θ)
若 θ \theta θ是确定值, x x x是变量，则 p ( x ∣ θ ) p(x|\theta) p(x∣θ)描述了不同的 X = x X=x X=x出现的概率 --> 概率函数 probability
若 θ \theta θ是变量, x x x是已知数据，则 p ( x ∣ θ ) p(x|\theta) p(x∣θ)描述了不同的模型参数下出现这个 x x x的概率 --> 似然函数 likelihood
MLE (Maximum Likelihood Estimation)
拿一枚硬币（不一定均匀）抛掷实验10次，得到正(1)反(0)结果： x 0 = [ 0 , 1 , 1 , 1 , 1 , 0 , 1 , 1 , 1 , 0 ] x_0=[0,1,1,1,1,0,1,1,1,0]
最低0.47元/天 解锁文章
434
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
