貝葉斯
決策理論是主觀貝葉斯派歸納理論的重要組成部分。
貝葉斯決策就是在不完全情報下，對部分未知的狀態用主觀概率估計，然後用貝葉斯公式對發生概率進行修正，最後再利用期望值和修正概率做出最優決策。
貝葉斯決策理論方法是統計模型決策中的乙個基本方法，其基本思想是：
1、已知類條件概率密度引數表示式和先驗概率。
2、利用貝葉斯公式轉換成後驗概率。
3、根據後驗概率大小進行決策分類。
他對統計推理的主要貢獻是使用了"逆概率"這個概念，並把它作為一種普遍的推理方法提出來。貝葉斯定理原本是概率論中的乙個定理，這一定理可用乙個數學公式來表達，這個公式就是著名的貝葉斯公式。
貝葉斯公式是他在2023年提出來的：
假定b1,b2,……是某個過程的若干可能的前提，則p(bi)是人們事先對各前提條件出現可能性大小的估計，稱之為先驗概率。如果這個過程得到了乙個結果a，那麼貝葉斯公式提供了我們根據a的出現而對前提條件做出新評價的方法。p(bi∣a)既是對以a為前提下bi的出現概率的重新認識，稱 p(bi∣a)為後驗概率。
經過多年的發展與完善，貝葉斯公式以及由此發展起來的一整套理論與方法，已經成為概率統計中的乙個冠以「貝葉斯」名字的學派，在自然科學及國民經濟的許多領域中有著廣泛應用。
設d1，d2，……，dn為樣本空間s的乙個劃分，如果以p(di)表示事件di發生的概率，且p(di)>0(i=1，2，…，n)。對於任一事件x，p(x)>0，則有：
貝葉斯 01 初識貝葉斯
分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 分割線 最先知道貝葉斯公式還是四年前的概率論和數理統計課上，時間也很久了，具體內容早已經忘記，不過畢竟曾經學過，重新看過還是得心應手的。大概用兩三篇的內容來介紹一下貝葉斯，以及機器學習中很重要的一部分 樸...
貝葉斯 02 理解貝葉斯
首先簡略回顧一下，全概率和貝葉斯。其實這兩者是密不可分的，互相之間是乙個順序問題，全概率反過去就是貝葉斯，這類問題只需要區分清楚是知道原因求結果，還是知道結果尋原因就可以了。全概率公式是計算由諸多原因而導致的某件複雜事情發生的概率，而貝葉斯就是在這件複雜的事情已經發生的前提下，去尋找諸多原因中，某一...
貝葉斯統計學簡介
簡單介紹貝葉斯統計學的歷史背景 什麼是統計推斷 bayesian和frequentist的主要區別 先驗分布和後驗分布 歷史背景 1763年，也就是英國學者bayes去世後兩年，他的一篇傳世遺作發表了，其中提出了bayes公式。bayes公式從形式上看，它只不過是條件概率定義的乙個簡單的推論，這個 ...