贝叶斯公式的简单介绍

贝叶斯公式

原文:http://www.cnblogs.com/elaron/archive/2012/10/25/2739236.html

假设已知先验概率P(ωj),也知道类条件概率密度p(x|ωj),且j=1,2。那么,处于类别ωj,并具有特征值x的模式的联合概率密度可写成两种形式:

p(ωj,x) = P(ωj|x)p(x) = p(x|ωj)P(ωj)

整理后得出贝叶斯公式(只有两种类型的情况下

下面分别介绍一下后验概率似然函数先验概率以及证据因子

1、后验概率

后验概率P(ωj|x),即假设特征值x已知的条件下类别属于ωj的概率。

2、似然函数

p(x|ωj)为ωj关于x的似然函数,也成为类条件概率密度函数,表明类别状态为ω时的x的概率密度函数*

3、先验概率

先验概率P(ωj)是由先验知识而获得的。

4、证据因子

证据因子的存在是为了保证各类别的后验概率的总和为1。

 

补充:

1.概率密度函数:在数学中,一个连续型随机变量的“概率密度函数”是一个描述这个随机变量的输出值在某一个确定的取值点附近的可能性的函数。

2.累积分布函数而随机变量的取值落在某个区域之间的概率则是概率密度函数在这个区域上的积分。当概率密度函数存在的时候,累积分布函数是概率密度函数的积分

3.概率密度函数的性质:

a.概率密度函数的所有取值的概率总和为1:

     b.一个函数 f(x) 要想成为密度函数,那么必须满足两个条件:

    ① f(x) >0,因为概率不可能为负数。

    ② ∫f(x)dx=1,概率就是某种可能性,如果把所有可能性都包括在内就可以证明这个事情一定是发生的,只是按照哪种情况发生我们不知道而已,所以所有可能性的和为1.

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值