贝叶斯算法要解决的问题： 假设我们知道了在A条件发生的情况下，B条件发生的概率（即条件概率），但是我们想知道在B条件发生的情况下，A条件发生的概率。我们就可以用到贝叶斯公式。贝叶斯公式的分母是全概率公式，全概率公式如下： 如果事件B1、B2、B3…Bn 构成一个完备事件组，即它们两两互不相容，其和为全集；并且P（Bi)大于0，则对任一事件A有 P(A)=P(A|B1)P(B1) + P(A|B2)
转载
2024-01-13 04:16:34
172阅读
一、贝叶斯公式贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展，用来描述两个条件概率之间的关系，比如 P(A|B) 和 P(B|A)。主要用于文本分类。1.条件概率公式设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率为：2. 由条件概率公式得出乘法公式： 也可变形为： 也可以这样来看贝叶斯公式： 第一部分是先验概率 ，后
转载
2023-12-12 22:19:07
11阅读
贝叶斯公式如何应用？以医学领域为例。医学检测通常以检测结果是阳性或阴性来初步断定受试者是否患病。在现实世界中，测试很少是完全可靠的，会出现假阳性和假阴性的问题。假设一个75岁的人对某项癌症进行检测，而这种癌症在75岁的发病率为1%，这时他的检测结果呈阳性，那么这个人可能会非常绝望，觉得自己一定要写遗嘱了。但是测试往往并不完全可靠，假设准确率有99%，也就是说100名患有癌症的人中有99人的检测结果
原创
2022-11-28 18:25:20
726阅读
点赞
1评论
好久不更新了，五一劳动节，劳动一下:)提到朴素贝叶斯相信大家应该都不会觉得陌生（不陌生你点进来干嘛[捂脸]），本文就朴素贝叶斯的基本原理进行讲解，并手把手、肩并肩地带您实现这一算法。完整实现代码请参考本人的p...哦不是...github： gaussian_nb.pygithub.com gaussian_nb_example.pygithub.com
1. 原理篇我们用人
贝叶斯公式啥也别说先看公式：P(A|B)=P(B|A)P(A)P(B)(1)我第一眼看到公式(1)的时候心里的想法是：这是啥，啥玩意，有啥用。算了都给出公式了不来分析分析2.1 公式推导来上图图 one：啥也不是图我们先看图one，在一个 Ω 的样本空间中， A 事件是左边的又短又胖的大椭圆， B 事件是右边的又细又长的长椭圆，&
原创
2022-11-28 12:27:50
227阅读
点赞
假设已知先验概率P(ωj)，也知道类条件概率密度p(x|ωj)，且j=1,2.那么，处于类别ωj，并具有特征值x的模式的联合概率密度可写成两种形式：
p(ωj,x) = P(ωj|x)p(x) = p(x|ωj)P(ωj)
整理后得出贝叶斯公式（只有两种类型的情况下）
下面分别介绍一下后验概率、似然函数、先验概率以及证据因子。
1、后验概率
后验概率P(ωj|x)，即假设特征值x已知的条件下
转载
2015-10-05 18:10:44
1316阅读
点赞
...
转载
2019-07-27 17:52:00
262阅读
P(A∩B)和P(A|B)有什么区别？ 这个问题困惑了我这么多年，是最近半年才发现的。前者注意，基数是全部样本数量，后者是B P(A∩B) = AB同时满足的个数/ Num(total) P(A | B) =AB同时满足的个数/ Num(B) 二者分子是一样的，区别在于分母。 贝叶斯是什么思想？ P(h|D) = P(D|h)P(h)/P(D)，这里P(D...
转载
2019-01-01 18:12:00
213阅读
2评论
逻辑推理的一个常见误区是以偏概全。一个典型例子是：许多渠道显示，地震发生时伴随的一个常见现象是动物园里的动物普遍地焦躁不安。于是，有些人就把动物焦躁不安作为地震预测的一个强有力的手段。更有甚者，一旦发现动物普遍地焦躁不安，直接就说，哪里要发生地震了。那，这样的推理具有什么样的缺陷呢？
地震和动物焦躁不安都是不确定性事件。用A表示动物园里的动物普遍地焦躁不安，用B表示地震的发生。那们上述推理犯
转载
2019-06-02 09:20:16
920阅读
点赞
贝叶斯法则和贝叶斯公式 一、总结 一句话总结： 贝叶斯法则（定理）：$$p ( A | B ) = \frac { P ( B | A ) \times p ( A ) } { P ( B )}$$ 全概率公式：$$P ( B ) = \sum _ { i = 1 } ^ { n } P ( M _
转载
2020-11-08 23:23:00
732阅读
点赞
2评论
贝叶斯定理是用来描述两个条件概率之间的关系，比如 P(A|B) 和 P(B|A)。按照乘法法则，可以立刻导出：P(A∩B) = P(A)*P(B|A)=P(B)*P(A|B)。如上公式也可变形为：P(B|A) = P(A|B)*P(B) / P(A)。贝叶斯的统计学中有一个基本的工具叫贝叶斯公式、也称为贝叶斯法则， 尽管它是一个数学公式，但其原理毋需数字也可明了。如果你看到一个人总是做一些好事，则
转载
2023-10-13 12:31:45
51阅读
今天这篇文章和大家聊聊朴素贝叶斯模型，这是机器学习领域非常经典的模型之一，而且非常简单，适合初学者入门。朴素贝叶斯模型，顾名思义和贝叶斯定理肯定高度相关。之前我们在三扇门游戏的文章当中介绍过贝叶斯定理，我们先来简单回顾一下贝叶斯公式： 我们把P(A)和P(B)当做先验概率，那么贝叶斯公式就是通过先验和条件概率推算后验概率的公式。也就是寻果溯因，我们根据已经发生的事件去探究导致事件发生的
转载
2024-03-07 19:32:47
91阅读
1、贝叶斯网络基础首先复习一下贝页斯公式例题：分别有 A、B 两个容器，在容器 A 里分别有 7 个红球和 3 个白球，在容器 B 里有 1 个红球和 9 个白球，现已知从这两个容器里任意抽出了一个球，且是红球，问这个红球是来自容器 A 的概率是多少?则有：P(红) = 8/20，P(A) = 1/2，P(红|A) = 7/10，其中P(红)表示整体上摸出红球的概率，P(A)表示选中A容器的概率，
转载
2024-07-08 10:08:57
28阅读
贝叶斯公式由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展，用来描述两个条件概率之间的关系。贝叶斯原本是个神父，他为了证明上帝的存在而发明了著名的贝叶斯公式。然而他本人并不知道他所发明的公式及其背后的思想对当今社会产生重大变革，最典型的的莫过于当今炙手可热的“人工智能+”时代下，是人工智能的分支：机器学习，所必备的方法之一。上图就是著名的贝叶斯公式，估计很
转载
2023-10-07 15:44:45
160阅读
贝叶斯公式=贝叶斯定理贝叶斯公式到底想说啥贝叶斯公式就是想用概率数学来表示事件发生依赖关系。贝叶斯公式长下面这样：用图形怎么表示贝叶斯公式就是X的面积。就是Y的面积。是什么？是指Y发生的情况下X发生的概率。用图形表示就是，只看Y的情况下Y里面的X占比多少。这不就是相交部分除以Y的面积么？相交部分计算方式=X的面积*相交部分占X的比率。再看看前面的公式就完全能理解了。贝叶斯公式在机器学习中有什么用？
转载
2023-10-07 14:56:56
124阅读
# 使用Java实现贝叶斯公式
贝叶斯公式是概率论中的一个重要定理，广泛应用于统计学、机器学习和数据挖掘等领域。它主要用于更新一个事件的概率，以考虑新出现的证据。公式的数学表达式为：
$$ P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)} $$
其中：
- $ P(A|B) $：给定B的情况下A发生的概率。
- $ P(B|A) $：给定A的情况下B发生的概率。
感觉这玩意儿挺好玩的，顺便填一下以前留下的坑。 有些内容是抄袭的以前的文章，有些是自己瞎编的。 warning：博主并不知道什么叫深度学习/机器学习/AI，只是一个数学爱好者/oier 独立 独立：对于事件$A$和$B$，如果$P(AB)$=$P(A)P(B)$，那么称$A$和$B$是独立的。 所谓
原创
2021-06-05 10:23:33
589阅读
I . 贝叶斯分类器II . 贝叶斯推断 ( 逆向概率 )III . 贝叶斯推断 应用场景 ( 垃圾邮件过滤 )IV . 贝叶斯方法 由来V . 贝叶斯方法VI . 贝叶斯公式VII . 贝叶斯公式 ③ 推导过程VIII . 使用贝叶斯公式求逆向概率
原创
2022-03-09 10:13:06
245阅读
点赞
...
转载
2021-07-27 09:57:00
324阅读
2评论
辨析极大似然估计，朴素贝叶斯分类器，半朴素贝叶斯分类器等
贝叶斯理论应用于机器学习方面产生了多种不同的方法和多个定理，会让人有些混淆。主要有最大后验概率，极大似然估计（MLE），朴素贝叶斯分类器，还有一个最小描述长度准则。\(\lambda_{ij}\)是将实为\(c_j\)的样本标记为\(c_i\)的损失，则将样本\(x\)标记为\(c_i\)的期
转载
2024-06-14 10:05:02
43阅读
