标签：资料 分割线 -- http 通过 bubuko 未来 相对 将不
学习完贝叶斯后，不禁简单地查阅了一下资料，才发现贝叶斯定理原来如此有用。不管是投资邻域还是机器学习，生活中的高手们都会在无意识的情况下使用贝叶斯做预测分析。
那么，
------贝叶斯定理来源于英国业余数学家托马斯.贝叶斯（Thomas Bayes)在1763年发布的一篇论文中，首先提出来的。其实，他并没有专心研究数学，因为玩玩数学只是他的业余爱好，贝叶斯本人是一位神父，用尽毕生精力去证明神的存在的男人。
图中的公式就是传说中的贝叶斯公式，可能很多高中生都能秒懂这公式，但是怎么用这简单的公式解决实际的生活问题就可能会头疼了。
2、贝叶斯怎么解决生活上的问题？
其实，仅仅知道以上公式是远远不够的，我们还需要知道什么是先验概率？后验概率？正向概率？逆向概率？编辑距离？奥卡姆剃刀？
说明：
1、正向概率：在一个箱子里面分别有红球10个，白球20，绿球30，让你随便拿一个球，拿到红球概率是多少？毫无疑问1/6，（正向概率）。其实，在现实生活中，通过各种因素去决定某一个结果的事件相对解决起来比较简单（这里我们可以运用线性回归的方法去计算各个因素的权重值，找到最佳的回归方程，就可以计算结果了）
2、逆向概率：通过结果预测因素。这里我们可以运用《名侦探柯南》的侦探思路解决问题。A突然死在房间里，屋里只有4个人A,B,C,D，现在让你现场判断A最有可能是谁杀害的？
这大概就是逆向概率了。（逆概率并不是已知条件求结果的，而是通过已知条件做出事件发生的最大概率，可能性最大并不代表一定发生）
3、生活上的应用
其实现实世界中，我们每个人都需要预测。想要深入分析未来、思考未来是否买买买买某种东西，政策的出台能给自己带来多大的机遇，提出新的产品构想，或者只是构想未来一周的饭菜。这些种种问题都可以运用贝叶斯来解决问题。
4、输入法、搜索引擎是怎样在输入错误的前提下却能知道你想要输入的？
在说明之前，需要明确的是“编辑距离”，字面意思就是：把apple变成apply的最快编辑方法。
搜索引擎开始就是依据“最短编辑距离“判定你所要搜索的内容。现在可能还会加入一些搜索次数作为影响因素。
支持向量机主要用来解决线性分类问题和非线性分类问题。线性分类问题前面也提到过，但是重点是非线性怎么分类呢？
1、升维
从上面可以看到，变成三维图之后就可以从中画出一条分割线。
2、可以将数据集左乘或者右乘，将数据之间的距离拉大，这样就再画出分割线。
看到拉格朗日函数，看着让人有一种不寒而栗的心情。拉格朗日乘子？有个问题需要讨论：在一个线性函数里面我们可以随意找到一个我们想要的数字，看起来是非常轻松的过程。但是，如果在加入约束条件（约束条件分为等式约束和不等式约束）
计算过程：
2、不等式约束条件
在加入不等式约束条件后，需要引入松弛因子这一概念。（松弛因子要是正数），原不等式加上松弛因子后等于0，就是将不等式变为等式的过程。
总的来说ＳＶＭ就是一个寻找分类器的过程（分类器就是上面的超平面或者是分类的线）将数据进行分类的过程。
标签：资料 分割线 -- http 通过 bubuko 未来 相对 将不
原文地址：https://www.cnblogs.com/pengjiesheng/p/9570774.html
