1.贝叶斯公式 条件概率 p(B|A)=p(AB)p(A) 则 p(AB)=p(A)p(B|A) 全概率公式 p(A)=p(B1)p(A|B1)+p(B2)p(A|B2)+...+p(Bn)p(A|Bn) 贝叶斯公式 p(Bi|A)=p(ABi)p(A)=p(A|Bi)p(Bi)Σj=0np(A|B ...
分类：
其他好文 时间：
2019-04-18 10:54:25
阅读次数：
209
luogu1600 假设{ Bn | n = 1, 2, 3, ... } 是一个概率空间的有限或者可数无限的分割，且每 个集合 Bn 是一个可测集合，则对任意事件 A 有全概率公式： 一下来自 贼清晰！简直是一朵清奇的白莲花 f[i][j][0/1]表示前i个时间点，共申请了j次，第i个时间点否/ ...
分类：
其他好文 时间：
2019-02-14 22:24:11
阅读次数：
198
知识储备 相互熵 信息增益（互信息） 条件概率： 全概率公式： 贝叶斯公式： 思考问题： 给定一个样本D，计算样本A1, A2, ...An发生的概率哪一个可能是会是最正确的呢？又怎样通过贝叶斯来解决这个问题？ 通过贝叶斯公式 选择n个样本中概率最大的那个作为最后的结论。p(D)是常数，假定p(Ai ...
分类：
其他好文 时间：
2018-12-22 19:39:46
阅读次数：
224
针对马尔科夫模型不完全已知，即转移概率未知，不能全概率展开的情况，上一篇介绍了策略评估的方法，这一篇对应介绍策略改进的方法，分别是 针对每一个完整决策过程，先估计策略再改进策略的蒙特卡洛同策略学习方式； 针对完整决策过程中的每一步状态动作对生成，评估改进同一个策略$\pi$的时序差分同策略Sarsa ...
分类：
其他好文 时间：
2018-12-18 21:22:30
阅读次数：
279
（1）条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)=P(AB)/P(B) （2）乘法公式 1.由条件概率公式得： P(AB)=P(A|B)P(B)=P(B|A)P(A) 上式即为乘法 ...
分类：
其他好文 时间：
2018-12-14 19:58:58
阅读次数：
173
一、条件概率公式 举个例子，比如让你背对着一个人，让你猜猜背后这个人是女孩的概率是多少？ 直接猜测，肯定是只有５０％的概率，假如现在告诉你背后这个人是个长头发，那么女的概率就变为９０％。 所以条件概率的意义就是，当给定条件发生变化后，会导致事件发生的可能性发生变化。 条件概率由文氏图出发，比较容易理 ...
分类：
其他好文 时间：
2018-12-14 19:39:58
阅读次数：
164
1、朴素贝叶斯 NB 三大概率 1、条件概率 Ω是全集，A、B是其中的事件（子集），p是事件发生的概率，则：p(A | B) = p(AB) / p(B)，事件B发生，A发生的概率 2、全概率公式 3、贝叶斯公式 文本分类系统核心公式 ...
分类：
其他好文 时间：
2018-10-21 21:45:47
阅读次数：
136
全概率公式、贝叶斯公式推导过程 https://www.cnblogs.com/ohshit/p/5629581.html（转） （1）条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)= ...
分类：
其他好文 时间：
2018-09-28 14:42:13
阅读次数：
139
题意： 有k只麻球，每只只活一天，临死之前可能会出生一些新的麻球， 具体出生i个麻球的概率为P，给定m，求m天后麻球全部死亡的概率。 解析： 从小到大，先考虑一只麻球的情况 设一只麻球m天后全部死亡的概率为f（m） 则第i天全部死亡的概率为f（i） 这一只麻球有多种情况，不生孩子，生一个，生两个，· ...
分类：
其他好文 时间：
2018-07-22 19:26:27
阅读次数：
147
计划最近好好按步骤按阶段系统性的学习下机器学习和深度学习，希望能坚持下去。 基础数学篇 [高等数学：求导、梯度] [高等数学：泰勒展开] [概率论：基本概念、条件概率、全概率、朴素贝叶斯] [概率论：期望、方差、协方差] [概率论：常见分布] [线性代数：矩阵] 机器学习中的基本概念 [机器学习的分 ...
分类：
其他好文 时间：
2018-06-07 22:54:49
阅读次数：
234
