机器学习问与答（六）：贝叶斯学习

问题一：

了解一下贝叶斯定理和先验概率、后验概率

https://blog.csdn.net/qq_23947237/article/details/78265026?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task
这篇讲的很清晰啦，接下来换成一个自己的例子写一下。
【在word里写的，插入了不少公式，粘贴复制比较麻烦，就直接截图吧】

问题二：

理解一下这块的公式。

问题三：

自己假设一个例子来计算一下。

问题四：

NP难问题是什么？【这块写的不够详细，可以参考给出的网址】

参考：https://blog.csdn.net/qwer7512090/article/details/93720209
https://www.sohu.com/a/366331139_737230

P问题：可以找到一个能在多项式的时间复杂度里解决它的算法
NP问题：可以在多项式的时间复杂度里验证一个解的问题
P问题的关键在于算法可以直接给出答案；NP问题的关键在于算法只能验证一个猜想的解，但并不能直接给出答案。
用最通俗的话讲：
P类问题就是指计算机能相对容易地算出答案的那些问题。
NP类问题就是指已知某猜想答案后，计算机能相对容易地验证答案的那些问题。

归约：一个问题A可以归约为问题B的含义即是，可以用问题B的解法解决问题A，或者说，问题A可以“变成”问题B。

“问题A可约化为问题B”有一个重要的直观意义：B的时间复杂度高于或者等于A的时间复杂度。也就是说，问题A不比问题B难。这很容易理解。既然问题A能用问题B来解决，倘若B的时间复杂度比A的时间复杂度还低了，那A的算法就可以改进为B的算法，两者的时间复杂度还是相同。正如解一元二次方程比解一元一次方程难，因为解决前者的方法可以用来解决后者。

现在再来说一下约化的标准概念就不难理解了：如果能找到这样一个变化法则，对任意一个程序A的输入，都能按这个法则变换成程序B的输入，使两程序的输出相同，那么我们说，问题A可约化为问题B。

当然，我们所说的“可归约”是指的可“多项式地”归约(Polynomial-time
Reducible)，即变换输入的方法是能在多项式的时间里完成的。归约的过程只有用多项式的时间完成才有意义。

NPC问题：首先，它是一个NP问题；然后，所有的NP问题都可以归约到它。
NP-Hard问题：指那些虽然所有NP问题可以被归约到它，但是它本身却不是NP问题的问题。