我目前正在研究斯坦福 CS229 的在线资料，我遇到了判别式（例如回归）和生成算法（例如朴素贝叶斯）的似然函数： +判别式：
+生成：
在这两种情况下，m 都是训练样例的数量，所有训练样例都是相互独立的。我想知道的是为什么在判别似然函数中，公式是给定 x 的 y 的条件概率的乘积，而在生成似然函数中，公式是 x 和 y 的联合概率的乘积？这种选择背后有什么原因吗？
判别算法和生成算法的似然函数差异背后的直觉
数据挖掘
逻辑回归
可能性
朴素贝叶斯分类器
2022-03-03 08:43:26
1个回答
判别模型学习将 x 分类为 y 类：条件概率分布 p(y|x)。
生成模型学习联合概率分布 p(x,y)。它可以通过贝叶斯规则转换为 p(y|x)。
您会得到不同的似然函数，因为这些模型对数据进行分类的方式不同。
其它你可能感兴趣的问题