我无法理解Andrew Ng的CS229笔记中给出的GDA似然函数。
l（φ，μ0，μ1，Σ）= log（从i到m的乘积）{p（x（i）| y（i）;μ0，μ1，Σ）p（y（i）;φ） }
链接为http://cs229.stanford.edu/notes/cs229-notes2.pdf第5页。
对于线性回归，函数是从i到m p的乘积（y（i）| x（i）; theta） 这对我来说很有意义。 为什么这里有一个变化，说它由p（x（i）| y（i）给出，并乘以p（y（i）; phi）？ 提前致谢
答案 0 :(得分：1)
第5页的起始公式是
x = 001暂时省略参数l(φ,µ0,µ1,Σ) = log <product from i to m> p(x_i, y_i;µ0,µ1,Σ,φ)
，可以简化为
φ,µ0,µ1,Σ使用链规则可以将其转换为
l = log <product> p(x_i, y_i)
或
l = log <product> p(x_i|y_i)p(y_i)
在第5页公式中，l = log <product> p(y_i|x_i)p(x_i).
已移至φ，因为只有p(y_i)取决于它。
可能性以联合概率分布p(y)而不是条件概率分布p(x,y)开始，这就是为什么GDA被称为生成模型（模型从x到y和从y到x），而逻辑回归被认为是一种歧视模型（模型从x到y，单向）。两者都有其优点和缺点。下面似乎还有一章关于这一点。