古典概率，先验概率，后验概率，贝叶斯分类器

古典概率：随机现象所能发生的事件是有限的、互不相容的,而且每个基本事件发生的可能性相等。

两个特点：

一是试验的样本空间有限，如掷硬币有正反两种结果，掷骰子有6种结果等；

二是试验中每个结果出现的可能性相同，如硬币和骰子是均匀的前提下，掷硬币出现正反的可能性各为1/2，掷骰子出出各种点数的可能性各为1/6。

先验概率：是指根据以往经验和分析得到的概率.。

意思是说我们人有一个常识,比如骰子,我们都知道概率是1/6,而且无数次重复实验也表明是这个数,这是一种我们人的常识,也是我们在不知道任何情况下必然会说出的一个值.而所谓的先验概率是我们人在未知条件下对事件发生可能性猜测的数学表示!*

后验概率：事情已经发生，要求这件事情发生的原因是由某个因素引起的可能性的大小。

先验概率，就是一般的概率；后验概率，是条件概率。

用P(h)表示在没有训练数据前假设h拥有的初始概率。

P(h)被称为h的先验概率。

先验概率反映了关于h是一正确假设的机会的背景知识如果没有这一先验知识，可以简单地将每一候选假设赋予相同的先验概率。类似地，P(D)表示训练数据D的先验概率，P(D|h)表示假设h成立时D的概率。

机器学习中，我们关心的是P(h|D)，即给定D时h的成立的概率，称为h的后验概率。

贝叶斯公式：

这里的就是初始概率，作为先验概率。

就是后验概率，根据结果，来推出发生这件事的原因。

贝叶斯公式，考虑到了先验概率，即作为已知条件。

：计算，给定B时Ak成立的概率，可以用作分类。比如：垃圾邮件的分类，通过给定邮件的特征，来预测这封邮件是

垃圾邮件，还是非垃圾邮件。

B是邮件的特征，A为分类种别。垃圾邮件，非垃圾邮件。

贝叶斯分类器是有监督的，需要标签进行学习。

贝叶斯分类器是生成模型，因为贝叶斯分类器在训练时，关注垃圾邮件是如何生成的，垃圾邮件有哪些特征，非垃圾邮件有哪些

特征，计算时，需要计算，这就是让模型知道，垃圾邮件应该具备哪些的特征，非垃圾邮件应该

具备哪些的特征。

贝叶斯分类器是非线性，因为变量之间的关系不是一次函数，图像不是直线。

贝叶斯分类器：

1.类型：有监督，生成模型，非线性。

2.是否支持多分类：是

参考：

https://www.cnblogs.com/yemanxiaozu/p/7680761.html

https://wenku.baidu.com/view/fe84f83143323968011c9276.html

https://blog.csdn.net/w_doudou/article/details/80596490

古典概率，先验概率，后验概率，贝叶斯分类器相关推荐

先验概率后验概率贝叶斯法则贝叶斯公式
1.先验.后验在拉丁文中指"来自先前的东西",或稍稍引申指"在经验之前". 近代西方传统中,认为先验指无需经验或先于经验获得的知识.它通常与后验知识相比较,后 ...
机器学习——贝叶斯分类器
机器学习--贝叶斯分类器 1.贝叶斯决策论 2.朴素贝叶斯分类器 2.1 朴素贝叶斯理论基础 3.几种贝叶斯模型 3.1 高斯贝叶斯分类器(自变量为连续型) 3.2 多项式贝叶斯分类器(自变量为离散型 ...
第九课.朴素贝叶斯分类器
目录朴素贝叶斯算法原理朴素贝叶斯参数估计极大似然估计贝叶斯估计朴素贝叶斯算法流程实验:Numpy实现朴素贝叶斯分类器朴素贝叶斯算法原理若P(X)P(X)P(X)表示事件XXX发生的概率 ...
机器学习-贝叶斯分类器
https://www.toutiao.com/a6684876999611122187/ 2019-04-28 17:36:54 目录: 1.贝叶斯分类器的基础 2.朴素贝叶斯分类器 3.朴素贝叶斯 ...
机器学习：朴素贝叶斯分类器，决策函数向量化处理，mask使用技巧
文章目录前面实现的朴素贝叶斯分类器,决策函数是非向量化的: 借助于numpy向量化处理,相当于并行计算,注意mask使用技巧,用途较广: 前面实现的朴素贝叶斯分类器,决策函数是非向量化的: 前面提到 ...
面试前抢救一下--朴素贝叶斯分类器
写在最前朴素贝叶斯分类器,实际上也是对人们常识做的一个算法的完善.其以一种更为精准的量化来判断分类,使用的方法是后验概率.本文从与决策树的比较出发,介绍先验概率和后验概率的关系,再详细介绍一下朴素贝 ...
python-朴素贝叶斯分类器
朴素贝叶斯分类器朴素贝叶斯分类器是一个以贝叶斯定理为基础的多分类的分类器.对于给定数据,首先基于特征的条件独立性假设,学习输入输出的联合概率分布, 然后基于此模型,对给定的输入x,利用贝叶斯定理求出 ...
【机器学习－西瓜书】七、贝叶斯分类器
推荐前期阅读:http://blog.csdn.net/u011995719/article/details/76732663 推荐阅读: 期望损失:条件风险 7.1 贝叶斯决策论关键词:期望损失: ...
python机器学习案例系列教程——文档分类器，朴素贝叶斯分类器，费舍尔分类器
全栈工程师开发手册 (作者:栾鹏) python数据挖掘系列教程 github地址:https://github.com/626626cdllp/data-mining/tree/master/Bay ...

古典概率，先验概率，后验概率，贝叶斯分类器

古典概率，先验概率，后验概率，贝叶斯分类器相关推荐

最新文章

热门文章