在原因b發生的條件下，結果a發生的概率:p(a|b)
假如結果a發生的原因有b1，b2…等多種原因，則全概率公式如下：
p(a) = p(b1)p(a|b1) + p(b2)p(a|b2)…
是指以往經驗和分析得到的概率。
意思是說我們人有乙個常識,比如骰子,我們都知道概率是1/6,而且無數次重複實驗也表明是這個數,這是一種我們人的常識,也是我們在不知道任何情況下必然會說出的乙個值.而所謂的先驗概率是我們人在未知條件下對事件發生可能性猜測的數學表示!
比如，一次拋硬幣實驗，我們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。
事情已經發生，要求這件事情發生的原因是由某個因素引起的可能性的大小。
也就是說事情已經發生了，結果的發生的原因有很多，判斷結果的發生是由哪個原因引起的概率
就是已知乙個條件下，結果發生的概率。條件概率實際上把乙個完整的問題集合s通過特徵進行了劃分，劃分成s1/s2/s3…。類條件概率中的類指的是把造成結果的所有原因一 一進行列舉，分別討論。
「概率論只不過是把常識用數學公式表達了出來」—拉普拉斯
之所以貝葉斯方法在機器學習中如此重要,就是因為人們希望機械人能像人那樣思考,而很多問題是需要計算機在已知條件下做出最佳決策的決策,而貝葉斯公式就是對人腦在已知條件下做出直覺判斷的一種數學表示。
先驗概率,後驗概率,條件概率,貝葉斯
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...
機器學習 貝葉斯公式 先驗概率 後驗概率
1.基礎知識點 條件概率公式 在b的條件下a發生的概率 a b同時發生的概率 b發生的概率 理解 因為a b同時發生的概率裡已經包含了b發生的概率，所以要將b的概率除掉。2.驗 經驗 先驗概率 於經驗之前的概率，相當於普通的概率 後驗概率 於經驗之後的概率，即條件概率 3.貝葉斯公式 實質就是條件概...
先驗概率 後驗概率 貝葉斯公式 似然函式
在機器學習中，這些概念總會涉及到，但從來沒有真正理解透徹他們之間的聯絡。下面打算好好從頭捋一下這些概念，備忘。先驗概率僅僅依賴於主觀上的經驗估計，也就是事先根據已有的知識的推斷，先驗概率就是沒有經過實驗驗證的概率，根據已知進行的主觀臆測。如拋一枚硬幣，在拋之前，主觀推斷p 正面朝上 0.5。後驗概率...