线性回归的模型是 $y = \omega^T x + e$ ，其中 x、y、e 分别表示特征、目标和噪声。
p(y|x, omega) 通常称为线性回归模型的似然函数。
在朴素贝叶斯算法中，p(x|y) 称为似然函数。
这两个似然函数很容易混淆，因为 x 和 y 的顺序相反。这两种可能性的解释是什么？谢谢。
在逻辑回归模型中，p(y|x, omega)被称为条件似然函数，其中omega是参数。
在朴素贝叶斯分类器中，p(x|y) 是特征的似然函数，因为在这种情况下，标签是我们可以更改的东西。在朴素贝叶斯中，我们关注不同类中特征的分布。