概率图模型

条件概率和贝叶斯定理

条件概率,往往用来解决逆问题,也就是一直结果反推原因的一个过程。经典的贝叶斯公式:
P ( B ∣ A ) = P ( A ∣ B ) ⋅ P ( B ) P ( A ) P(B|A) = \frac{P(A|B) \cdot P(B)}{P(A)} P(BA)=P(A)P(AB)P(B)

这个公式常常被利用去推导我们无法直接观测的问题,公式中 A A A是结果, B B B是原因。上面的式子,我们要做的任务就是:

  • 已知 P ( A ∣ B ) P(A|B) P(AB) P ( B ) P(B) P(B) ( P ( A ) = ∑ n = P ( A ∣ B i ) × P ( B i ) ) \left(P(A) = \sum^{n} = P(A|B_{i}) \times P(B_{i})\right) (P(A)=n=P(ABi)×P(Bi))
  • 要求 P ( B ∣ A ) P(B|A) P(BA)
    一般称 P(原因)先验概率P(原因|结果) 称为后验概率
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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