我无法理解Coursera课上的下图：
据我了解，该方程式对应于因子表：
因此，样本数据（a = 0，b = 0，c = 1）的可能性例如为：
无论如何，它看起来都不像图。你能帮我解释一下这个图吗？
最佳答案
我认为您混淆了可能性和可能性。
您有一个由\ theta参数化的概率分布p，它对（A，B，C）有支持。对于固定的θ，概率分布是A，B，C的函数。上图中绘制的似然函数是固定A，B，C的\ theta函数。该函数表示固定观测值如何为参数提供不同的值。
在流行用法中，可能性和概率是同义词。在技术上却不是。
排序可能性/概率问题后，该似然函数告诉您（A，B，C）的联合概率是所有连接对之间的成对电势的乘积，在这种情况下为（A，B）和（B，C ）。 I {a ^ 1，b ^ 1）是一个指标函数，当a = 1和b = 1时为1，否则为零。 \ theta_ {a ^ 1，b ^ 1}是与此结果相对应的参数。
如果我不得不猜测（看不到整个类），我会说每个成对关系都有四个\ theta，代表四种可能的状态（均为1，均为0或每种状态之一），而我们ve刚删除了对应的指标函数为零的参数，因此这些参数无关紧要。
您对方程的推导不正确。 MRF的形式基本上是说将与每个对的正确状态相对应的参数加在一起，取幂并归一化。归一化常数是所有可能配置上的联合概率之和。
关于machine-learning - 马可夫网络的对数似然，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/26244049/