贝叶斯概率

最新推荐文章于 2023-09-14 14:04:20 发布
最新推荐文章于 2023-09-14 14:04:20 发布
阅读量701 收藏
点赞数 2
分类专栏： 机器学习
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/u013782762/article/details/57561238
版权
本文深入探讨了贝叶斯概率的基本概念，包括条件概率，并通过公式导出展示了贝叶斯定理的推导过程。文章通过一个经典的箱子与球的实例，解释了如何使用贝叶斯公式解决实际问题，逐步更新对事件发生概率的估计。最后，提到了在编程中应用贝叶斯概率的场景，尤其是涉及js代码的部分。
摘要由CSDN通过智能技术生成

贝叶斯概率

贝斯公式和全概率公式的意思差不多相反。

全概率公式是说；某件事情的发生可以由很多情况导致，那么这件事情发生的概率，就是每件事情导致他发生的概率，乘以每件事情发生的概率。

贝斯公式的意思是：某件事情还是由刚才所说的那些事件引起的，你已经知道某件事情发生了，那么他是由哪件事情引起的呢？就可以又贝斯公式A事件引起他发生的概率。

基本概念

条件概率

条件概率，事件B发生的情况下，事件A发生的概率，用P(A|B)来表示。

公式导出

观察下图
这里写图片描述
易知
P(A|B) = P(A∩B) / P(B)
同理又有
P(B|A) = P(A∩B) / P(A)
所以
P(A|B) * P(B) = P(B|A) * P(A)
P(A|B) = P(B|A) * P(A) / P(B)

经典题型

假设有两个各装了100个球的箱子，甲箱子中有70个红球，30个绿球，乙箱子中有30个红球，70个绿球。假设随机选择其中一个箱子&#x

最低0.47元/天 解锁文章
扑满大师
关注
专栏目录
频率概率与贝叶斯概率
jediael_lu的专栏
07-13 452
概率论最初的发展是为了分析事件发生的频率。我们可以很容易地看出概率论，对于像在扑克牌游戏中抽出一手特定的牌这种事件的研究中，是如何使用的。这类事件往往是可以重复的。当我们说一个结果发生的概率为 ppp，就意味着如果我们反复实验 (例如，抽取一手牌) 无限次，有ppp 的比例会导致这样的结果。这种推理似乎并不立即适用于那些不可重复的命题。如果一个医生诊断了病人，并说该病人患流感的几率为 40%，这意味着非常不同的事情——我们既不能让病人有无穷多的副本，也没有任何理由去相信病人的不同副本在具有不同的潜在条件下表
贝叶斯概率推断(一):贝叶斯思维
机器会学习的博客
02-14 3804
贝叶斯思维 　　贝叶斯推断与传统的统计推断不同，贝叶斯推断保留不确定性，在贝叶斯派的世界观中，概率是我们对某一事件将要发生相信程度． 　　在传统的统计推断中频率派对概率的有不同的解释，频率派认为概率是事件在一段时间内发生的频率．比如火车事故的概率是指长期来看，发生事故的频率值．有些时候这样的解释是合乎逻辑的．但是对于那些没有长期频率的事件来说，就不太合乎逻辑．比如：选举，某某某候选人的获选概率...
概率与贝叶斯基础（持续更新）
shaozhenghan的博客
03-02 318
知乎上的概率机器人知识总结，总体写的深入浅出 1. https://zhuanlan.zhihu.com/p/57307528 补充3随机变量的贝叶斯规则的证明，这个用的真的非常多。这也是《概率机器人》第2章13页公式2.16 2.状态转移概率，测量概率，条件独立假设重要性 https://zhuanlan.zhihu.com/p/57391230 补充概念：马尔科夫假设：...
浅谈贝叶斯 （一）
Matrix-11
08-27 1995
一直都觉得贝叶斯定理是个非常神奇的东西，以前总是被什么先验概率，后验概率，最大似然估计什么的搞得昏头转向的，让人摸不着北，总感觉贝叶斯定理有点违反直觉， 但是生活中却又经常会遇到。 相信很多人对下面这样的问题一定不感到陌生： 假设有两个盒子，我们姑且称为 A 和 B， A 盒子里有 4 个红球，6 个绿球，B 盒子里有 2 个红球，8 个绿球。我们从 A 盒子 或者 B 盒子里取出一个球，记录...
贝叶斯概率逻辑在人工智能专家系统中的应用.pdf
09-06
"贝叶斯概率逻辑在人工智能专家系统中的应用" 贝叶斯概率逻辑是人工智能领域中的一种重要方法，它可以用来解决不确定性问题的推理。在人工智能专家系统中，贝叶斯概率逻辑可以用来表示不确定性问题的解决方法。...
基于贝叶斯概率语义网的铝电解槽况知识表示模型与约简方法
01-12
铝电解生产过程中的知识具有跨领域、不确定、多源异构等特征,采用传统知识表示方法将导致组合爆炸、多义性、知识选择困难及...最后通过铝电解槽况判断的案例分析,验证了贝叶斯概率语义网模型的合理性、可行性和有效性.
高斯贝叶斯进行概率估计_贝叶斯估计_贝叶斯估计_贝叶斯概率_wherels3_print_
10-04
高斯贝叶斯概率估计是一种在统计学和机器学习领域广泛应用的方法，特别是在处理分类问题时。这个算法基于贝叶斯定理，结合了先验概率和似然性来估计未知参数。在这里，我们主要探讨以下几个核心概念： 1. **贝叶斯...
matlab.zip_bayesian network_leavinggu3_matlab贝叶斯_贝叶斯概率_贝叶斯网络
07-15
在这个“matlab.zip_bayesian network_leavinggu3_matlab贝叶斯_贝叶斯概率_贝叶斯网络”压缩包中，我们可以看到一个关于使用MATLAB进行贝叶斯网络概率计算的案例。 贝叶斯网络（Bayesian Network，BN）基于贝叶斯...
由两道题理解贝叶斯的先验，后验定律
u010883226的专栏
06-15 1466
1.想起曾经的一道笔试题，现有甲，乙两个箱子，甲箱中有70个红球，30个白球；乙箱中有40个红球，60个白球。选取甲乙两箱的几率相等都为50%。1.求随机选取一球为红球的概率。2.若选取的为红球，求来自甲乙两箱的概率。解：1.这是用的贝叶斯的先验定律，通俗来说，就是知道由条件求结果，顺序求解，分别求甲乙两箱的红球概率最后相加。A：甲箱a：乙箱B：红球p（B）=p(B|A)*p(A)+p(B|a)*...
贝叶斯估计推理
xlhao的博客
05-21 980
简介 贝叶斯定理是18世纪英国数学家托马斯·贝叶斯（Thomas Bayes）提出得重要概率论理论。以下摘一段 wikipedia 上的简介： 所谓的贝叶斯定理源于他生前为解决一个“逆概”问题写的一篇文章，而这篇文章是在他死后才由他的一位朋友发表出来的。在贝叶斯写这篇文章之前，人们已经能够计算“正向概...
详解贝叶斯（一）：贝叶斯概率
中二病也要写博客
12-05 9385
title: 详解贝叶斯（一）：贝叶斯概率 math: true tags: 贝叶斯公式 条件概率 categories: 机器学习 abbrlink: 4429aa7 date: 2021-12-05 01:38:58 详解贝叶斯（一）：贝叶斯概率 什么是贝叶斯概率 要解释什么是贝叶斯概率，不如先回顾一下经典的概率，中学课本里我们把概率定义为事件发生的可能性，认为概率是一个确定的值， 但是这个取值我们不知道。那这个值如何求得呢？可以通过统计事情的频率获得概率的近似。比如不断的抛一枚均匀的骰子????
概率论的学习整理5：贝叶斯（bayes）法则和贝叶斯概率
奔跑的犀牛先生
07-27 6076
贝叶斯公式, bayes, 贝叶斯原理， 先验概率， 后验概率，
贝叶斯算法
最新发布
weixin_44913071的博客
09-14 2331
一般来说，如果样本特征的分布大部分是连续值，使用高斯朴素贝叶斯会比较好。如果样本特征的分布大部分是多元离散值，使用多项式朴素贝叶斯比较合适。如果样本特征是二元离散值或者很稀疏的多元离散值，应该使用伯努利朴素贝叶斯比较合适。
贝叶斯统计——常见的概率分布
Atom爱疼的博客
05-10 2512
贝叶斯统计——常见的概率分布离散型概率分布连续型概率分布 离散型概率分布 概率分布名称 分布列 数字特征 二项分布B(n,p)二项分布\\B(n,p)二项分布B(n,p) f(x)=Cnxpx(1−p)n−xx=0,1,2,...,n,p∈[0,1]f(x)=C_n^xp^x(1-p)^{n-x}\\x=0,1,2,...,n,p\in[0,1]f(x)=Cnx​px(1−p)n−...
用贝叶斯公式计算甲箱子被选的概率（附计算过程以及代码）
浮点型队友
06-13 1172
直接用套用贝叶斯公式来计算。但必须定义清楚A，B事件。 令事件B为选择甲箱子，令事件A为得到8红4绿。 from scipy.special import perm, comb c = comb(12,8) P_AB=c*pow(0.7,8)*pow(0.3,4) print("P(A|B)=",P_AB) P_B=0.5 print("P(B)=",P_B) P_A=0.5*c*(pow(0.7,8)*pow(0.3,4)+pow(0.7,4)*pow(0.3,8)) print("P(A)=",
【自然语言处理】概率论基础笔记
红芒果
06-21 471
贝叶斯公式 P(B|A)=P(A|B)P(B)/P(A) 全概率公式 P(A) = P(B1)*P(A|B1) + P(B2)*P(A|B2) + …….. 先验概率 是指根据以往经验和分析得到的概率 * 如：抛硬币正面的概率； * 如：今天下雨的概率； * 如：脑残中头痛的概率（易于调查，可计算）。 后验概率 后验概率是信息理论的基本概念之一。在一个通信系统中，在...
统计_图解贝叶斯定理迭代学习
大道至简
11-07 2619
先从摇骰子开始，在古装电视中经常看到大侠听声辨点，还有小混混在骰子中加入重物，使得某个数字更容易摇到。 假使有2个骰子，一个是正常骰子，一个是不正常骰子，正常骰子的质量均匀， 不正常骰子质量不均（更容易摇到1）。 以图片的方式展现摇到1的占比，一个骰子6个面，正常骰子的 1 就占 1个面的面积，非正常骰子的 1 占 3个面的面积。 则，第一次两个骰子同时摇到 1 的概率是(粉色面积占总面积的比)...
python 贝叶斯概率
08-12
Python中有多种贝叶斯分类算法库可供使用，如scikit-learn和nltk等。贝叶斯分类算法的实现主要包括先验概率的计算和后验概率的计算。 贝叶斯分类算法中的先验概率是指在没有任何特征信息的情况下，每个类别发生的概率。可以使用训练数据集中每个类别的样本数量除以总样本数量来估计先验概率。 后验概率是指在已知特征的情况下，某个样本属于某个类别的概率。对于朴素贝叶斯分类算法，可以使用贝叶斯公式来计算后验概率。贝叶斯公式通过先验概率和条件概率的乘积来计算后验概率。 在伯努利朴素贝叶斯算法中，特征的先验概率被假设为二元独立分布。条件概率通过特征在每个类别中出现的频率来计算。 所以，Python中的贝叶斯概率计算可以通过使用相应的库和函数来实现。例如，使用scikit-learn库中的MultinomialNB类可以实现朴素贝叶斯分类算法，其中包括先验概率和后验概率的计算。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [机器学习之朴素贝叶斯算法原理+Python实现](https://blog.csdn.net/zcz0101/article/details/109577494)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 2
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