机器学习——先验概率、后验概率、全概率公式、贝叶斯公式

一、先验概率

1、定义

先验概率(prior probability)是指根据以往经验和分析得到的概率,如全概率公式,它往往作为"由因求果"问题中的"因"出现的概率。——百度百科

2、直观理解

这件事还没有发生,根据以往的经验和数据推断出这件事会发生的概率。

3、例子

以扔硬币为例,在扔之前就知道正面向上的概率为0.5,这个0.5就是先验概率。 

二、后验概率

1、定义

后验概率是指在得到“结果”的信息后重新修正的概率,是“执果寻因”问题中的"果"。——百度百科

2、直观理解

这件事已经发生,但是导致这件事发生的原因可能有多种,此时推断是由哪一种原因导致的,计算这件事发生的原因是由某个因素引起的概率。

3、例子

小明同学不去学校上课,有两个原因:一是生病,二是自行车坏了。 然后,今天上课的时候老师发现小明同学没来学校,(注:这里是一个结果。 也就是说,小明同学没来学校这件事已经发生了。)此时,老师叫同学们计算小明同学没来学校是因为生病还是自行车坏了的概率。

这里已经发生的事是小明同学没有来学校上课。 原因有两个:是生病和自行车坏了。后验概率就是根据结果(小明没来学校)来计算原因(生病/自行车坏了)的概率。

三、全概率公式

全概率公式为

评论 1
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