统计学之前的定义不再说,简单,求概率之类的,值得一体的是条件概率和贝叶斯公式,可是机器学习中朴素贝叶斯的核心了哈哈哈
**
1. 条件概率
条件概率**通俗点就是研究事件间关系,已知一个事件发生的条件下考虑另一个事件发生的概率规律有无变化以及如何变化,公式就是分母A的概率分子是AB同时发生的概率。
2贝叶斯***
贝叶斯可以这样理解,一个事情发生是由很多原因导致的,所以结合上面的条件概率,就有了全概率公式。那么已知这个事情发生的条件下,求某一个原因导致的几率。分母是这个事件发生的概率(当然有很多原因导致就是全概率哈哈哈),分子就是就是这个原因导致这个事件结果发生的概率(类似AB同时发生呢),总之这就是很有名的贝叶斯,额公式自己粘把懒哈哈哈
- 然后变量的话由两个概念值得一提
- 协方差和相关系数,都是描述随机变量(两个)间的线性联系程度的数字量哈哈哈。
- 期望是说随机变量取值的平均值,然后方差就是真个变量取值相对于均值的离散程度,完了