一、先驗概率
1.1 定義
直觀理解，所謂「先」，就是在事情之前，即在事情發生之前事情發生的概率。是根據以往經驗和分析得到的概率。
1.2 例子
比如拋硬幣，我們都認為正面朝上的概率是0.5，這就是一種先驗概率，在拋硬幣前，我們只有常識。這個時候事情還沒發生，我們進行概率判斷。所謂的先驗概率是對事情發生可能性猜測的數學表示。
二、後驗概率
1.1 定義
事情已經發生了，事情發生可能有很多原因，判斷事情發生時由哪個原因引起的概率。
1.2 例子
比如今天你沒去學校，原因有兩個，可能是生病了，也可能是自行車壞了。然後上課時老師發現你沒來。（這裡是乙個結果，就就是你沒來學校這件事情已經發生了）老師叫學霸計算一下概率，分別是因為生病了沒來學校的概率和自行車壞了沒來學校的概率。
很顯然，後驗概率就是在事情發生後判斷由哪乙個原因引起的概率。這裡的事情是你上學遲到，原因有生病了和自行車壞了。
1.3 數學表達
學霸開始計算。
用a表示生病，b表示自行車壞了,c表示遲到，一般表示如下
p(a|b)表示在b發生的條件下a發生的概率。
1.4 全概率公式
假如時間a的發生有b1,b2,…,bm一共m種原因，那麼全概率公式就是
1.5 類條件概率
先驗概率 後驗概率
貝葉斯公式的直觀理解 先驗概率 後驗概率 前言 以前在許學習貝葉斯方法的時候一直不得要領,什麼先驗概率,什麼後驗概率,完全是跟想象脫節的東西,今天在聽喜馬拉雅的音訊的時候突然領悟到,貝葉斯老人家當時想到這麼一種理論前提可能也是基於一種人的直覺.先驗概率 是指根據以往經驗和分析得到的概率.1 意思是說...
先驗概率and後驗概率
from and 先驗概率 事件發生前的預判概率。可以是基於歷史資料的統計，可以由背景常識得出，也可以是人的主觀觀點給出。一般都是單獨事件概率，如p x p y 後驗概率 事件發生後求的反向條件概率 或者說，基於先驗概率求得的反向條件概率。概率形式與條件概率相同。條件概率 乙個事件發生後另乙個事件發...
先驗概率，後驗概率
對於統計學只是皮毛認識，在學校時根本不重視，如今機器學習幾乎以統計學為基礎發展起來的，頭疼的緊，如今還得琢磨基礎概念。1 我自己的理解 1 先驗 統計歷史上的經驗而知當下發生的概率 2 後驗 當下由因及果的概率 2 網上有個例子說的透徹 1 先驗 根據若干年的統計 經驗 或者氣候 常識 某地方下雨的...