我無法理解從Coursera類,如下圖:數似然
從據我理解,該公式所對應的係數表:
因此,例如樣本數據(a = 0,b = 0,c = 1)的可能性爲:
它看起來並不像在任何方式的圖。你能爲我解釋一下這個圖嗎?
我無法理解從Coursera類,如下圖:數似然
從據我理解,該公式所對應的係數表:
因此,例如樣本數據(a = 0,b = 0,c = 1)的可能性爲:
它看起來並不像在任何方式的圖。你能爲我解釋一下這個圖嗎?
我想你混淆概率和可能性。
你有一個概率分佈p,由\ THETA,這對(A,B,C)的支持參數化。概率分佈是固定theta的A,B,C的函數。似然函數,這是什麼在上圖中被作圖,是\ theta的用於固定 A,B,C的函數這是它說固定觀測多大可能對於給定的參數的不同值的函數。
在普遍使用的可能性和概率是同義的。在技術上使用它們不是。 (A,B,C)的聯合概率是所有連接對之間的成對電位的乘積,在這種情況下(A,B)和(B,C)。 I {a^1,b^1)是一個指示函數,當a = 1和b = 1時爲1,否則爲0。 \ theta_ {a^1,b^1}是與此結果對應的參數。
如果我不得不猜測(我看不到整個班級),我會說每個成對關係都有四個\ thetas,代表四種可能的狀態(都是1,都是0,或者是每個都有) ,並且我們已經放棄了那些相應的指標函數爲零的參數,所以這些參數是不相關的。
你的公式的推導是不正確的。 MRF的形式基本上是將與每個對的正確狀態相對應的參數相加,取冪和歸一化。標準化常數是所有可能配置中聯合概率的總和。
你說得對。在計算第二個等式時,我將A固定爲0,B固定爲0,C固定爲1(映射到exp(theta2),然後用Z歸一化)。 – 2014-10-08 16:37:01
在答案中編輯。我不知道你的theta_1和theta_2s來自哪裏,但我很確定他們不正確。 – 2014-10-13 08:31:28