一些个概率的是是非非

已于 2024-02-22 09:14:55 修改
阅读量401 收藏 8
点赞数 8
分类专栏： 统计 文章标签： 机器学习 算法 人工智能
于 2024-01-26 09:28:20 首次发布
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/mashutian/article/details/135858277
版权

目录

最大似然估计

条件概率

贝叶斯法则

最大似然估计

如果你手上有一堆标记了S1-Sn的号码的球，在不放回的情况下，摸了N次，发现拿到Sk球的次数为n小k，那么在这N次的摸球中，相对频率为q(Sk)等于n小k除以N。并且你要知道，所有球的相对频率的和为1。

当N越来越大的时候，摸的次数越来越多的时候，实际上这个相对频率q(Sk)会越来越接近摸到Sk球的概率。即当N趋向于无穷大，q(Sk)=Probability(Sk)。

于是乎，通常会用这个相对频率作为概率的估计值，这种估计概率值的方法称为最大似然估计（Maximum Likelihood Estimation）。

It seems reasonable that a good estimate of the unknown parameter theta would be the value of theta that maximizes the probability, errrr... that is, the likelihood... of getting the data we observed.

宾夕法尼亚州立大学STAT145课程的素材：1.2 - Maximum Likelihood Estimation | STAT 415

条件概率

如果一共有3个白球，2个黄球，5个绿球，问：摸到两个绿球的概率是多少？

事件A：第一次摸到一个绿球

P(A) = 5/10

事件(B|A)：第一次摸到绿球的情况下，第二次摸到绿球

P(B|A) = 4/9

事件(A和B)：第一次摸到一个绿球，第二次也摸到一个绿球

P(A\cap B) = P(A) * P(B|A)

P(A\cap B) = (5/10) * (4/9)

P(B|A) 也叫在A发生的情况下B发生的“条件概率”。

贝叶斯法则

A是样本空间的一个事件，点是❌，B1-Bn是样本空间的划分

P(A) = \sum_{1}^{n}P(Bi) * P(A|Bi)

P(A\bigcap Bj) = P(Bj) * P(A|Bj)

对于等式

P(Bj|A) = \frac{P(A\bigcap Bj)}{P(A)}，替换得到

贝叶斯公式：

P(Bj|A) = \frac{P(Bj) * P(A|Bj)}{\sum_{1}^{n} P(Bi) * P(A|Bi)}

阿喵要当程序员
关注
  • 8
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
二、需求的是是非非
02-04
前些日子有一个朋友向我要一份需求的标准文档，因为他现在正在负责一个项目。我对他说，我的需求文档只适合我用，并不适合你用。如果你是真的想在开发过程中引入科学的管理方法，静下心来，认真的学习需求的方法论，...
名著是是非非“王熙凤学生.ppt
02-14
名著是是非非“王熙凤学生.ppt
初中语文文摘社会是是非非转基因
09-09
简单来说，转基因技术是通过人为方式将一个生物体的基因片段转移到另一个生物体中，以期创造出具有特定优良性状的新品种。这种技术的核心在于基因的提取和重组，旨在增强农作物的抗逆性，如抗虫、抗病、抗旱，提高...
高考作文的是是非非：屁文章浅见.doc
03-07
这篇文档主要讨论的是高考作文中一篇名为《放屁的选择》的文章及其引发的争议。这篇文章将社会现象与放屁这一生理行为进行比喻，试图探讨敢于直言的重要性。作者将放“响屁”比作敢于向领导提意见，而将放“闷屁”...
并行不悖 - Oracle数据库并行的是是非非与新特性.pdf
12-15
它允许数据库将单一任务分解为多个子任务，这些子任务可以由不同的并行服务器进程（也称为工作进程或 PX 进程）同时处理，从而充分利用系统的多核处理器和I/O资源。这种并行执行的概念对于在线分析处理（OLAP）系统...
机器学习中的没有免费午餐定理
qq_36566678的博客
08-21 379
而支持向量机呢，在处理线性可分问题时表现得极为出色，但对于大规模数据集的训练，却可能会耗费大量的时间。你的心中怀揣着一个强烈的渴望，那就是找到一种万能的算法，它能够轻松解决所有的机器学习问题，就仿佛拥有了一把可以开启任何宝藏大门的神奇钥匙。免费午餐定理郑重地告诉我们，在所有可能的问题分布上，没有一种算法能够始终比其他算法表现得更加出色。在广阔无垠的机器学习领域中，免费午餐定理就如同一把神奇的钥匙，为我们打开理解不同算法之间关系的大门，同时也让我们看清这些算法在实际应用中的局限性。
机器学习在旅游业的革新之旅
jun778895的博客
08-21 686
随着技术的不断进步和应用的不断深化，机器学习在旅游业中的应用前景越来越广阔。它不仅提升了旅游服务的智能化水平，还极大地增强了旅客的满意度和忠诚度。然而，我们也应认识到，机器学习在旅游业的广泛应用仍面临一些挑战和限制，如数据隐私保护、算法透明度、技术普及率等问题。因此，在未来的发展中，需要平衡技术创新与伦理规范，确保技术的健康发展。
机器学习：一元线性回归模型
纸上得来终觉浅
08-18 588
一元线性回归模型
[机器学习]--线性回归算法
人工智能专业学生
08-21 923
FC⋅59​32××线性回归(Linear regression)就是利用回归函数对一个或多个自变量和因变量关系建立类似如上模型的一种分析方式hww1​x1​w2​x2​...bwTxb其中w1​w2​...称为系数x1​x2​...是自变量hw​bw1​w2​...​​⋅​1x1​x2​...​​根据自变量的数量, 可以将线性关系分为单变量线性关系, 多变量线性关系。
【机器学习-监督学习】双线性模型
Morse_Chen的博客
08-22 1857
本文介绍了双线性模型的来源和特点，以及与线性模型的区别。以因子分解机和概率矩阵分解两个推荐系统中的常用模型为例，具体讲解了双线性模型的应用，并动手实现了矩阵分解MF模型和因子分解机FM模型。这两个模型都是目前推荐系统所用模型的基础，从它们改进和衍生的模型仍然有广泛应用。
【机器学习】逻辑回归原理（极大似然估计，逻辑函数Sigmod函数模型详解！！！）
2301_76820214的博客
08-22 1153
逻辑回归（Logistic Regression）是机器学习中的一种分类模型，逻辑回归是一种分类算法，虽然名字中带有回归。由于算法的简单和高效，在实际中应用非常广泛。
【机器学习】经典CNN架构
鑫宝的博客
08-22 2388
本文介绍了几种经典的CNN架构,包括LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等。这些架构不断推进了CNN的发展,提出了诸如卷积、池化、残差连接等创新技术,极大地提高了CNN在计算机视觉等领域的性能。未来,CNN仍将在各个领域发挥重要作用。
【机器学习】以KNN为例的交叉验证 网格搜索
m0_73658021的博客
08-21 801
简称为KNN，根据k个最近的邻居的类别判断当前样本的类别，k一般取奇数。knn首先要判断两个样本之间的距离，距离有多种表示方式。k个邻居中哪种类别的样本多，就判断这个为这个类别。实例化预估器时，预估器会传入一些人为规定的参数如。best_score_ 在训练集中的准确率。best_estimator_ 最佳估计器。best_index_最佳k在列表中的下标。cv_results_ 交叉验证过程描述。best_params_ 最佳参数。维度变大，数据变得稀疏，距离会很远。, 这样的参数被称为超参数。
机器学习：opencv图像识别--图片专项
最新发布
纸上得来终觉浅
08-23 2474
机器学习：opencv图像识别
机器学习的入门笔记(第十五周)
weixin_57089519的博客
08-21 824
本周的学习记录
机器学习--序列到序列模型总结
GDHBFTGGG的博客
08-21 1088
序列到序列（Seq2Seq）模型的发展历程中，随着技术的进步和研究的深入，出现了多种不同的架构。这些架构在编码器-解码器结构的基础上逐步演化，融合了多种改进策略和创新方法。
【线性代数】【二】2.10 标准正交基与正交矩阵
liuyider的博客
08-21 952
本文将介绍正交基、正交矩阵、与施密特正交化算法。正交是向量中一种非常好的性质，意味着两个向量互相之间没有冗余，也容易被区分。本文介绍了标准正交基的性质，并给出了构造标准正交基的方法，最后引申出正交矩阵的概念。
【Python机器学习】NLP概述——超空间简述
weixin_39407597的博客
08-21 421
将词合并到更小的向量维数中，以缓解维数灾难的问题，并可能为我们所用。
《机器学习》—— 使用过采样方法实现逻辑回归分类问题
weixin_73504499的博客
08-21 1125
过采样（Over-sampling）是数据预处理中的一种技术，主要用于处理不平衡数据集（imbalanced datasets）问题。在不平衡数据集中，某些类别的样本数量远多于其他类别，这可能导致机器学习模型在训练时偏向于多数类，从而忽略了少数类，进而在预测时表现出对少数类的低准确率。过采样的基本思想是通过增加少数类（即样本数量较少的类别）的样本来改善数据集的平衡性。
Oracle数据库并行技术详解与新特性洞察
本文档《并行不悖 - Oracle数据库并行的是是非非与新特性》由Oracle ACEDirector、ITPUB数据库管理区版主及ACOUG副总裁杨廷琨撰写，深入探讨了Oracle数据库并行计算的概念、发展历程、应用场景以及常见问题。...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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。

余额充值