機器學習（三）——樸素貝葉斯方法、SVM（1）

http://antkillerfarm.github.io/git 高斯判別分析（續） 將上面三個分佈的機率密度函數代入第二節公式7，可求得 argmaxyp(y|x) ，而後進行最大似然估計，可得該GDA的最大似然估計參數爲：（過程略）github ϕ=1m∑i=1m1{y(i)=1} μ0=∑mi=11{y(i)=0}x(i)∑mi=11{y(i)=0} μ1=∑mi=11{y(i)=1}x

>>阅读原文<<