目录 一、 概率公理及推论... 2 1. 联合概率... 2 2. 条件概率... 2 3. 全概率公式... 2 4. 贝叶斯公式... 2 二、 随机变量及其分布... 2 1. 随机变量... 2 2. 累积分布函数CDF. 2 3. 概率函数pmf2 4. 概率密度函数pdf3 5. 随机 ...
分类：
其他好文 时间：
2017-10-06 23:11:38
阅读次数：
288
1.贝叶斯学派和频率学派 在数理统计领域，贝叶斯学派和频率学派两派争论已久，关于两派的具体思想不做深入研究，仅探讨它们在机器学习中的一点粗浅的应用。 机器学习中的朴素贝叶斯方法和逻辑回归相比，朴素贝叶斯判据需要一个事件的先验概率和相应的类条件概率，可用贝叶斯公式看出。 而逻辑回归，使用的是最大似然的 ...
分类：
其他好文 时间：
2017-10-06 18:06:03
阅读次数：
531
作为一名机器学习中的小白，参数估计方法的学习必不可少，本着边学习边记录的原则，并参考一些其他博客或资源，作为打开我开始机器学习的第一扇门。 先说说统计学中的两大派别：频率派和贝叶斯学派。 频率派认为：参数是客观存在的，不会改变，虽然未知，但却是固定值。——似然函数 贝叶斯学派认为：参数是随机值，虽没 ...
分类：
编程语言 时间：
2017-09-25 13:10:24
阅读次数：
229
一、贝叶斯定理数学基础 我们都知道条件概率的数学公式形式为 即B发生的条件下A发生的概率等于A和B同时发生的概率除以B发生的概率。 根据此公式变换，得到贝叶斯公式： 即贝叶斯定律是关于随机事件A和B的条件概率（或边缘概率）的一则定律。通常，事件A在事件B发生的条件溪的概率，与事件B在事件A的条件下的 ...
分类：
编程语言 时间：
2017-09-14 00:38:36
阅读次数：
324
一、概率论基本概念样本空间、随机事件频率和概率概率的相关运算和性质等可能概型:古典概型条件概率全概率公式：你用条件概念算事件概率贝叶斯公式：条件概率用于反推计算条件概率事件的相互独立性二、随机变量极其分布随机变量:每个样本点映射一个数字来表征基本离散型随便基变量分布:0-1分布、伯努利实验二项分布、 ...
分类：
其他好文 时间：
2017-09-12 15:59:56
阅读次数：
408
理解贝叶斯公式： 其中 为完备事件组，即 Think Bayes - 我所理解的贝叶斯定理 解决的问题：由A的先验概率、B的后验概率（也叫条件概率）求A的后验概率。 如果 A 和 B 是相互独立的两个事件，那么： 上面的推导过程反过来证明了如果 A 和 B 是相互独立的事件，那么事件 A 发生的概率 ...
分类：
其他好文 时间：
2017-08-18 13:35:31
阅读次数：
114
1、朴素贝叶斯算法介绍 一个待分类项x=（a,b,c...），判断x属于y1,y2,y3...类别中的哪一类。 贝叶斯公式： 算法定义如下： （1）、设x={a1, a2, a3, ...}为一个待分类项，而a1, a2, a3...分别为x的特征 （2）、有类别集合C={y1, y2, y3, . ...
分类：
编程语言 时间：
2017-07-26 00:21:26
阅读次数：
192
我们来看下贝叶斯公式： 问题：假设有看到一个 现象B，然后，这个现象B是由事件Ai引发的概率是多少？ 上面的问题有一点拗口是不是？按到正常思维应该是：有一个事件，这个事件引发某一个现象的概率是多少。。。 但是，事与愿违。。。。感觉烦也得搞定！！！！！！！！！！！！ 我们再分析下，现在有事件A1，A2 ...
分类：
其他好文 时间：
2017-07-24 19:09:31
阅读次数：
122
贝叶斯公式描写叙述的是一组条件概率之间相互转化的关系。 在机器学习中。贝叶斯公式能够应用在分类问题上。这篇文章是基于自己的学习所整理。并利用一个垃圾邮件分类的样例来加深对于理论的理解。 这里我们来解释一下朴素这个词的含义： 1）各个特征是相互独立的，各个特征出现与其出现的顺序无关； 2）各个特征地位 ...
分类：
其他好文 时间：
2017-07-08 19:46:10
阅读次数：
188
今天稍微学了一下概率论，这里简单总结一下贝叶斯公式 因为是初学，所以整理的东西可能有错误orz 一、贝叶斯公式 其实就是由全概率公式推出来的 贝叶斯公式实际上是求出一个事件C的后验概率 首先给出样本空间A的若干个划分Bi，最后发生了结果C 那么可以得到下图 那么先验概率实际上就是p(B)，后验概率是 ...
分类：
其他好文 时间：
2017-07-04 01:00:47
阅读次数：
189
