概率论的两个基本规则: Sum Rule和Product Rule,构成了机器学习中所涉及的所有概率论的基础,在概率图模型中广泛使用。
Sum Rule:
(式 1)
Product Rule:
(式2)
式1:p(X)是X发生的概率,也X边缘概率的求法;
式2:X,Y的联合概率;将p(X)换到式2的左侧,并将p(X, Y)改写成p(X|Y)*p(Y),那么就变成了贝叶斯公式(式3):
(式3)
如果对式2的两侧同时对X积分,得到式4:
(式4)
式4的这种用法很重要,尤其是概率图模型,推导HMM的前后向算法、卡尔曼滤波会用到式4的方法。