Python机器学习 贝叶斯模型

贝叶斯简介：
贝叶斯(约1701-1761) Thomas Bayes，英国数学家
贝叶斯方法源于他生前为解决一个“逆概”问题写的一篇文章
生不逢时，死后它的作品才被世人认可

 

贝叶斯要解决的问题：
正向概率：假设袋子里面有N个白球，M个黑球，你伸手进去摸一把， 摸出黑球的概率是多大
逆向概率：如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛 摸出一个（或好几个）球，观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例作出什么样的推测

贝叶斯公式推导

假如再一个学校，男生：60% 女生：40%

男生总是穿长裤，女生则一半穿长裤一半穿裙子

正向概率：随机选取一个学生，他（她）穿长裤的概率和穿裙子的概率是多大
逆向概率：迎面走来一个穿长裤的学生，你只看得见他（她）穿的是否长裤， 而无法确定他（她）的性别，你能够推断出他（她）是女生的概率是多大吗？

假设学校里面人的总数是 U 个
穿长裤的（男生）：U * P(Boy) * P(Pants|Boy) P(Boy) 是男生的概率 = 60% P(Pants|Boy) 是条件概率，即在 Boy 这个条件下穿长裤的 概率是多大，这里是 100% ，因为所有男生都穿长裤
穿长裤的（女生）： U * P(Girl) * P(Pants|Girl)

求