知识卡片
用证据更新先验概率
贝叶斯公式用先验 P(A) 乘观测证据在该假设下的概率 P(B|A),再除以证据总概率 P(B)。若证据在某假设下常见,该假设的权重会上升;如果多种假设都能解释证据,需合并各自贡献来归一化。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 朴素贝叶斯算法 8.1 · 查看原书依据
据贝叶斯定理,我们计算出后验概率P(A|B)=P(B|A)*P(A)/P(B)=0.25,就是如此神奇。
参考来源
- 位置:《AI制胜:机器学习极简入门》第8章 朴素贝叶斯算法 §8.1(来源项目 book-source:extracted/AI制胜:机器学习极简入门/_epub-src/OEBPS/Text/chapter8.xhtml#isbn9787302555513_8_1_1)
- 结论依据:原文演算学校长裤比例,展示先验、似然、证据和后验的关系。
- 原始内容:据贝叶斯定理,我们计算出后验概率P(A|B)=P(B|A)*P(A)/P(B)=0.25,就是如此神奇。