假设w1,w2,...,wn是各种可能的类别,则P(wi)是人们事先对各种类别出现可能性大小的估计,称之为先验概率。P(x|wi)是在当前类别为wi的前提下,特征向量(或者特征值)x出现的概率,P(x|wi)为wi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w时的x的概率密度函数。在上述定义下,贝叶斯公式可以写成一下形式:
P(wi|x)=P(x|wi)*P(wi)/P(x) 其中:P(x)=sum(P(x|wj)P(wj) (其中 j=1,...,n)
上式计算结果 P(wi|x)称之为后验概率,即贝叶斯公式实质上是通过观察特征向量x把状态的先验概率P(wi)转换为状态的后验概率P(wi|x)的过程。
补充:
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