貝葉斯的方法
貝葉斯方法的本質就是從結果推測出成因。
比如你懷疑老王是殺人**，但你沒有證據，所以你懷疑度比較低，有一天，你從老王家搜出了凶器，這個證據會加重你對老王的懷疑。
這是個哲學問題。
如何量化證據和論斷呢？貝葉斯提出什麼叫「信」，什麼叫「不信」，對某個假設的相信程度應該用乙個概率來表示p(假設)。
p=1就是絕對相信，p=0就是絕對不信，p=15%就是有一點相信，這就是量化了。
p(假設|證據)這就叫條件概率。
p(a|b)的意思就是b事件真的條件下，a事件的概率。
b a
結果 -----------成因
帶傘 -----------下雨
老王**-----老王家找到凶器
我們想算的是p(假設|證據) 這叫「逆概率」，從結果推出成因。
ab 都發生的概率有多大？
先算b,再算b發生情況下a的概率，p(b)*p(a|b)
先算a,再算a發生情況下b的概率，p(a)*p(b|a)
這兩個應該相等p(b)*p(a|b)= p(a)*p(b|a)
p(a|b)= p(a)*p(b|a)/ p(b)
這就是貝葉斯公式。很容易理解吧。
條件概率，全概率公式，貝葉斯公式，樸素貝葉斯
本文摘自黃清龍等編著的 概率論與數理統計 我們以乙個例子來闡述樸素貝葉斯思想。例子來自樸素貝葉斯分類 原理 假設根據以前的經驗獲得如下的資料。然後給你乙個新的資料 身高 高 體重 中 鞋碼 中 請問這個人是男還是女？判斷是男還是女，是分類問題，記男為c1，女為c2。身高體重鞋碼是樣本x的屬性，記x1...
條件概率，全概率，貝葉斯公式
王式安的這道題的做法，題幹 在先取出的零件是一等品的條件下，之前選箱子的概率p a 和p b 就是1 2和1 2。這裡錯誤了！正確答案選c 按照他的思想計算公式，1 3 1 1 3 0 1 3 在先選出的球是紅球的條件下，排除第三種情況各佔1 2 顯然錯誤的。錯誤原因就在於忽略了當摸出紅球的時候，他...
條件概率 全概率 貝葉斯公式
參考 ref 設a,b是兩個事件，且p b 0,則在事件b發生的條件下，事件a發生的條件概率 conditional probability 為 p a b p ab p b 分析 一般說到條件概率這一概念的時候，事件a和事件b都是同一實驗下的不同的結果集合，事件a和事件b一般是有交集的，若沒有交集...