1.貝葉斯分類的基礎——貝葉斯定理
這個定理解決了現實生活裡經常遇到的問題：已知某條件概率，如何得到兩個事件交換後的概率，也就是在已知p(a|b)的情況下如何求得p(b|a)。這裡先解釋什麼是條件概率：
p(a|b)表示事件b已經發生的前提下，事件a發生的概率，叫做事件b發生下事件a的條件概率。其基本求解公式為：
貝葉斯定理之所以有用，是因為我們在生活中經常遇到這種情況：我們可以很容易直接得出p(a|b)，p(b|a)則很難直接得出，但我們更關心p(b|a)，貝葉斯定理就為我們打通從p(a|b)獲得p(b|a)的道路。
下面不加證明地直接給出貝葉斯定理：
例如，醫生對病人進行診斷就是乙個典型的分類過程，任何乙個醫生都無法直接看到病人的病情，只能觀察病人表現出的症狀和各種化驗檢測資料來推斷病情，這時醫生就好比乙個分類器，而這個醫生診斷的準確率，與他當初受到的教育方式（構造方法）、病人的症狀是否突出（待分類資料的特性）以及醫生的經驗多少（訓練樣本數量）都有密切關係。
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...
貝葉斯公式
貝葉斯定理由 英國數學家貝葉斯 thomas bayes 1702 1763 發展，用來描述兩個條件 概率之間的關係，比如 p a b 和 p b a 按照 乘法法則 p a b p a p b a p b p a b 可以立刻匯出 如上公式也可變形為 p b a p a b p b p a 例如 ...