条件概率、贝叶斯、最大似然

本文通过实例解释了条件概率、全概率公式、贝叶斯公式和最大似然估计的概念。条件概率描述的是在已知事件B发生的情况下,事件A发生的概率。全概率公式用于将复杂事件的概率转化为简单事件的概率之和。贝叶斯公式用于从结果反推原因,常见于朴素贝叶斯分类。最大似然估计则用于在机器学习中寻找使数据概率最大的模型参数。文章还探讨了这些概念在实际问题中的应用。
摘要由CSDN通过智能技术生成

在一次找工作实习的经历中,老板问我会不会朴素贝叶斯原理还有最大似然估计,辛亏根据老板提示早准备了....不然还真说不上来。虽然最后实习因为一个很玄幻原因黄掉了.....但是就因为回答上了朴素贝叶斯和最大似然的原理,老板当时还是通过了我的面试滴 ,还马上要和我签合同。所以感觉这些概率论上的数学原理还是非常重要的,最近有好好的准备一下下,在此做个小小的记录。

-------------------吐槽分割线--------------

作为只面试过两次的孩子来说...通过历时两个星期的数据分析岗位面试真的很不容易了,老板还把我当成了找正式工作的毕业生....其实我只是个渴望实习的研二萌新而已。说可以来上班的时候我真的超级开心的!!!!

然而两次实习都黄了..一个公司过个年还没撑到我去上岗就重组了不需要我了是个什么体验?找到实习一个小时之后因为工位不够就被辞退了是个什么体验?我一气之下想想毕业之后一辈子都工作了,干脆懒得实习了(反正未来工作几十年,还不如珍惜一下目前的学生生活),不如在学校好好做实验积累经验,打打代码啥的,这两个月也就放弃了找实习,哎也是因祸得福,毕业的事情也因为有这么大段时间搞,实验还是有进展。至少我的实习经验还有一个小时呢!(微笑脸)

---------------吐槽完结线----------------------

作为美好青年,本少女决不能一蹶不振对不对!毕竟我的目标是想进大厂,什么艰难险阻不能克服呢!(也就幻想一下哈嘻嘻,因为看吃播觉得大厂的食堂应该很好吃,不过以我现在的coding水平...

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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