一，古典概型： 1，事件的关系 2，事件的独立及乘法公式 3，全概率公式 ：P（B）=E(1-n)P(Ai)*P(B|Ai) 完备事件组：任意2个为空集，全部事件为全集 4，贝叶斯公式：已知完备事件组，B 求B发生条件Ai代表的全概率事件组发生的概率 二、随机概率分布的数字特征：期望及方差 ...
分类：
其他好文 时间：
2020-05-25 09:47:04
阅读次数：
172
贝叶斯滤波三大概率 先验概率 似然概率 后验概率 离散情况下的贝叶斯滤波 全概率公式：$P(T_m=10.3)=P(T_m=10.3|T=10)P(T=10)+P(T_m=10.3|T=11)P(T=11)$ 其中$P(T_m=10.3|T=10)$是似然概率（代表传感器精度），$P(T=10)$是 ...
分类：
编程语言 时间：
2020-05-24 12:03:59
阅读次数：
123
完备事件组 设 Ω 为试验E的样本空间，B1, B2, …, Bn 为E的一组事件。若 Bi ∩ Bj = Φ (i ≠ j 且 i, j =1, 2, …n) B1 U B2 U … U Bn = Ω 则称B1, B2, …, Bn 为样本空间 Ω 的完备事件组的一个划分。 注：上图就是对一个样本 ...
分类：
其他好文 时间：
2020-05-18 21:02:50
阅读次数：
85
本节内容主要可分为 什么是概率 古典概率计算 事件的关系与运算 条件概率与独立性 全概率公式和贝叶斯公式 概率论是一门数学分支，同数学科目的其他分支一样，是建立在一些公理上的严格的数学体系，其研究的主要对象是随机变量、随机分布和随机过程。对于随机事件是不可能准确预测其结果的，但是我们可以描述其规律， ...
分类：
其他好文 时间：
2020-05-05 00:58:43
阅读次数：
176
机器学习基础：朴素贝叶斯小结 CONTENTS "1. 全概率公式与贝叶斯公式" "2. 朴素贝叶斯的模型" "3. 朴素贝叶斯的推断过程" "4. 朴素贝叶斯的参数估计" "5. 朴素贝叶斯算法优缺点" "6. 代码实践" 1. 全概率公式与贝叶斯公式 $$ 全概率公式： P(X)=\sum_{k ...
分类：
其他好文 时间：
2020-04-21 13:07:28
阅读次数：
66
全概率公式，B不好算，把B用A来计算 贝叶斯公式，就是条件概率，套用全概率公式 由概率的关系不能推出事件的关系 概率单调性 ...
分类：
其他好文 时间：
2020-02-04 14:06:47
阅读次数：
292
例1 定义 全概率公式 例2 贝叶斯公式 例 例 ...
分类：
其他好文 时间：
2020-01-27 18:49:19
阅读次数：
57
目录： 隐马尔可夫模型 Viterbi算法（必须掌握） 简述：普通领域不常用，自然语言与金融领域用的比较多，总共涉及到概率问题，求参数问题，取范围问题。 用到的知识点有全概率公式，条件概率公式，边缘概率公式，贝叶斯公式，极大似然估计 概率计算问题 直接计算法 暴力算法 前向算法 后向算法 后向算法不 ...
分类：
其他好文 时间：
2020-01-06 23:11:21
阅读次数：
119
概括：朴素贝叶斯分类器(Naïve Bayes classifier)是一种相当简单常见但是又相当有效的分类算法，在监督学习领域有着很重要的应用。朴素贝叶斯是建立在“全概率公式”的基础下的，由已知的尽可能多的事件A、B求得的P(A|B)来推断未知P(B|A)，是的有点玄学的意思，敲黑板！！！ 优点： ...
分类：
其他好文 时间：
2019-12-13 14:20:21
阅读次数：
295
贝叶斯准则 P(x|y) = P(y|x) * P(x)/ P(y) 分类原则：在给定的条件下，哪种分类发生的概率大，则属于那种分类。 后验概率 P(R)=P(R|c1)*P(c1) + P(R|c2)*P(c2)：全概率公式 P(c1|R)=P(R|c1)*P(c1)/P(R) 计算出先发生P(R ...
分类：
其他好文 时间：
2019-10-19 09:15:14
阅读次数：
81
