Machine learning 马尔可夫网络的对数似然

我很难理解Coursera课堂上的下图：

据我所知，方程式对应于系数表：

因此，例如，样本数据（a=0，b=0，c=1）的可能性为：

---

它看起来一点也不像图表。你能给我解释一下这个图表吗？

我想你把概率和可能性混淆了

有一个概率分布p，由θ参数化，它支持（a，B，C）。对于固定θ，概率分布是a，B，C的函数。上图所示的似然函数是固定a、B、C的θ函数。该函数表示给定不同参数值的固定观测概率

在流行用法中，可能性和概率是同义词。在技术上，它们不是

对似然/概率问题进行排序后，似然函数告诉您，（A，B，C）的联合概率是所有连接对之间成对电势的乘积，在这种情况下（A，B）和（B，C）。I{a^1，b^1）是一个指示函数，当a=1，b=1时为1，否则为零。\theta_{a^1，b^1}是与此结果对应的参数

如果我不得不猜测（我看不到整个类），我会说每个成对关系有四个θ，代表四种可能的状态（都是1，都是0，或者每种状态中的一种），我们刚刚删除了相应的指示符函数为零的状态，因此参数是无关的

---

你对方程的推导是不正确的。MRF的形式基本上是将对应于每个对的正确状态的参数相加，求指数，然后归一化。归一化常数是所有可能配置的联合概率之和。

你是对的。在第二个方程的计算中最后，我将A固定为0，B固定为0，C固定为1（映射到exp（θ2），然后用Z进行标准化）。在答案中编辑。我不知道你的θ1和θ2来自哪里，但我很确定它们是不正确的。