知识卡片
先验乘似然更新后验
贝叶斯公式由 P(x|C)P© 得到类别 C 与证据 x 的联合概率,再除以总体证据概率 P(x) 得到后验。书中的数字 0.1、0.7、0.3 依次对应先验、似然、证据概率,给出 0.233。把似然直接当后验会忽略总体基准。
[[条件概率改变参照集合]]。贝叶斯公式在两个相反的条件方向之间换算。
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
- 6.1.3 用贝叶斯公式进行选择 · 查看原书依据
其中的奥秘就是贝叶斯公式。也许你已经察觉,扎马尾的女同学中她是安吉利的概率也是一种条件概率,记作P(安吉利|马尾),这就是后验概率。根据贝叶斯公式,我们有:
参考来源
- 位置:《机器学习算法的数学解析与Python实现》6.1.3 用贝叶斯公式进行选择(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00064.html`)
- 结论依据:原节用条件方向相反的两个概率与联合概率相等式求后验。
- 原始内容:其中的奥秘就是贝叶斯公式。也许你已经察觉,扎马尾的女同学中她是安吉利的概率也是一种条件概率,记作P(安吉利|马尾),这就是后验概率。根据贝叶斯公式,我们有: