贝叶斯公式

简介: 贝叶斯公式

1 贝叶斯公式

贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展,用来描述两个条件概率之间的关系,比如 P(A|B) 和 P(B|A)。按照乘法法则,可以立刻导出:
P(A∩B) = P(A)P(B|A)=P(B)P(A|B)。
如上公式也可变形为:P(A|B)=P(B|A)*P(A)/P(B)。
在这里插入图片描述

在统计学机器学习中起着至关重要的地位
主要用于先验概率推算后验概率

2 例题示例

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3 朴素贝叶斯建模

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
遇到概率为0的情况
在这里插入图片描述

4 其它公式

在这里插入图片描述

目录
相关文章
【概率论基础】Probability | 数学性概率 | 统计性概率 | 几何概率 | 概率论三大公理
【概率论基础】Probability | 数学性概率 | 统计性概率 | 几何概率 | 概率论三大公理
114 0
|
资源调度 数据处理
第8章 概率统计——8.1 产生随机变量
第8章 概率统计——8.1 产生随机变量
|
资源调度 数据可视化
用二元泊松模型预测2022年世界杯淘汰赛结果
双泊松模型有一个严重的缺陷,那就是它假设比赛中两队的比分是条件独立的。而我们都知道,在对抗性比赛中,两队的比分是存在关联的,双泊松模型可以描述比分的这种关联性,提高了比赛结果预测的准确度。
406 1
用二元泊松模型预测2022年世界杯淘汰赛结果
概率论|贝叶斯公式及其推论的理解和运用
概率论|贝叶斯公式及其推论的理解和运用
168 0
L5-参数估计:矩估计与极大似然估计
L5-参数估计:矩估计与极大似然估计
L5-参数估计:矩估计与极大似然估计
|
人工智能 开发者
马尔科夫不等式 | 学习笔记
快速学习马尔科夫不等式
马尔科夫不等式 | 学习笔记
|
机器学习/深度学习 算法 开发者
贝叶斯公式| 学习笔记
快速学习贝叶斯公式。
贝叶斯公式| 学习笔记
|
人工智能 开发者
条件概率 | 学习笔记
快速学习条件概率
条件概率 | 学习笔记
|
机器学习/深度学习 人工智能 算法
概率与信息论
概率与信息论
154 0
|
人工智能 BI
最小二乘法-公式推导
基本思想 求出这样一些未知参数使得样本点和拟合线的总误差(距离)最小 最直观的感受如下图(图引用自知乎某作者) 而这个误差(距离)可以直接相减,但是直接相减会有正有负,相互抵消了,所以就用差的平方 推导过程 1 写出拟合方程y=a+bxy=a+bx 2 现有样本(x1,y1),(x2,y2).
4058 1