贝叶斯算法讲解

最新推荐文章于 2024-05-23 15:43:21 发布

元宇宙MetaAI

最新推荐文章于 2024-05-23 15:43:21 发布

阅读量366

点赞数

分类专栏： Machine Learning 文章标签：机器学习贝叶斯

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/CSS360/article/details/92562880

版权

Machine Learning 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

朴素贝叶斯

1、概率基础知识：

条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为： P(A|B)，读作“在B条件下A的概率”。

若只有两个事件A， B，那么：

$P\left ( AB \right )= P\left ( A|B \right )P\left ( B \right )= P\left ( B|A \right )P\left ( A \right )$

$P\left ( A|B \right )= \frac{P(AB))}{P(B)}$

$P\left ( A|B \right )= \frac{P(B|A)*P(A)}{P(B)}$

全概率公式： 表示若事件A1，A2，…，An构成一个完备事件组且都有正概率，则对任意一个事件B都有公式成立。

$P\left ( B \right )= P\left ( A_{1} B\right )+P\left ( A_{2} B\right )+...+P\left ( A_{n} B\right )$

$= \sum P\left ( A_{i} B\right )$

$= \sum P(B|A_{i})P\left ( A_{i} )$

贝叶斯公式是将全概率公式带入到条件概率公式当中，对于事件Ak和事件B有：

$P(A_{k}|B)=\frac{P(B|A_{k})*P(A_{k})}{\sum P(B|A_{i})*P(A_{i}) }$
未完待续

了解更多关于《计算机视觉与图形学》相关知识，请关注公众号：

下载我们视频中代码和相关讲义，请在公众号回复：计算机视觉课程资料

参考链接：

https://blog.csdn.net/sinat_30353259/article/details/80932111

元宇宙MetaAI

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。