个人
理解：
极大似然估计法认为每一个标记c都对应一种概率分形式，比如说正态分布、均匀分布等等，而我们求条件概率就是求特定分布下的某一值的概率，比如说，标记c对应的是正态分布，求P(x=1|c)，即求在这个正态分布下的x=1的概率是多少，当正态分布曲线画出来后，横轴代表数据点的值，纵轴代表数据点在该分布下的概率。最近在回顾
机器学习的一些相关理论知识，回顾到极大似然法时，对于极大似然法
中的一些公式有些迷糊了，所以本文主要想记录并分享一下个人关于
极大似然估计法的一些思考，如果有误，请见谅，欢迎一起前来探讨。
版权声明：
本文来源网络，所有图片文章版权属于原作者，如有侵权，联系删除。
本文网址：https://www.mushiming.com/mjsbk/12164.html