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
|
机器学习/深度学习 算法
24 正态分布和最大熵
24 正态分布和最大熵
89 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
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
171 0
曲线拟合-最小二乘法
线性最小二乘法及matlab例程
|
BI
统计学习--最大似然和贝叶斯估计的联系
概率是已知模型和参数,推数据;统计是已知数据,推模型和参数
122 0
统计学习--最大似然和贝叶斯估计的联系
【数理统计】从协方差到相关系数,原来如此
【数理统计】从协方差到相关系数,原来如此
147 0
【数理统计】从协方差到相关系数,原来如此
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
|
机器学习/深度学习
PRML 1.1 多项式曲线拟合
PRML 1.1 多项式曲线拟合
PRML 1.1 多项式曲线拟合
|
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