【机器学习】似然性（likelihood）和概率（probability），似然性到底是什么，先验/后验/似然

前言

近期在学习机器学习的过程中，碰到一个名词——似然性，不太明白，故记录一下，以备查用，下面的解释是知乎上看到的，想看原文的同学请戳结尾。

正文

“似然性”（likelihood）和“概率”（probability）意思相近，都是指某种事件发生的可能性。在统计学中，似然性”和“概率”又有明确的区分，概率用于在已知一些参数的情况下，预测接下来的观测所得到的结果，而似然性则是用于在已知某些观测所得到的结果时，对有关事物的性质的参数进行估计。

下面介绍一个公式加深理解：

经常会有文章提到先验概率，后验概率及似然概率，他们的意思可以这么理解：
1）先验——根据若干年的统计（经验）或者气候（常识），某地方下雨的概率；
2）似然——下雨（果）的时候有乌云（因/证据/观察的数据）的概率，即已经有了果，对证据发生的可能性描述；
3）后验——根据天上有乌云（原因或者证据/观察数据），下雨（结果）的概率；

一般认为，在上述公式中，P(A)，P(B)是先验概率，P(B|A)是似然概率，P(A|B) 是后验概率。

参考

• 贝叶斯分类器