机器学习：贝叶斯算法实例讲解及推导过程
贝叶斯算法及推导： 例子引入： 假设在一个学校里面，男生的比例占60%，女生的比例占40%， 其中，男生都爱打篮球，而女生有70%不爱打篮球，有30%爱打篮球。 正向概率：我们在学校里随机抽取一位学生，这位学生爱打篮球和不爱打篮球的概率分别为多少？ 令全校学生为 U P 爱打篮球 = U ∗ 60 % + U ∗ 40 % ∗ 30 % U P 不爱打篮球 = U ∗ 40 % ∗ 70 % U 逆向概率：我们在学校里随机抽取一位学生，但我们只知道 T A 爱不爱打篮球，但是我们不知道 T A 的性别， 此时，我们需要推断出 T A 是女生的概率有多大？ 令全校学生为 U ，其中男生的比例表示为 P ( B o y ) = 60 % ，男生中爱打篮球的比例表示为 P ( B a l l ∣ B o y ) = 60 % ∗ 100 % 其中，全校爱打篮球的男生的人数为： M 爱打篮球男 = U ∗ P ( B o y ) ∗ P ( B a l l ∣ B o y ) 把全校女生的比例表示为 P ( G i r l ) = 40 % ，女生中爱打篮球的比例表示为 P ( B a l l ∣ G i r l ) = 60 % ∗ 30 % 则，全校爱打篮球的女生的人数为： M 爱打篮球女 = U ∗ P ( G i r l ) ∗ P ( B a l l ∣ G i r l ) 问题简述：求爱打篮球的女生的比例为多少？ 爱打篮球的女生的概率 = 女生爱打篮球的人数 爱打篮球的人的总数 ， 用具体的表达式表示为： P ( G i r l ∣ B a l l ) = M 爱打篮球女 M 爱打篮球男 + M 爱打篮球女 = U ∗ P ( G i r l ) ∗ P ( B a l l ∣ G i r l ) U ∗ P ( B o y ) ∗ P ( B a l l ∣ B o y ) + U ∗ P ( G i r l ) ∗ P ( B a l l ∣ G i r l ) 我们发现 U 只是中间变量，上下可以直接约掉，所以上式化简为： P ( G i r l ∣ B a l l ) = P ( G i r l ) ∗ P ( B a l l ∣ G i r l ) P ( B o y ) ∗ P ( B a l l ∣ B o y ) + P ( G i r l ) ∗ P ( B a l l ∣ G i r l ) 观察上式我们可以发现： P ( G i r l ) ∗ P ( B a l l ∣ G i r l ) ，其实表示的就是女生爱打篮球的比例，我们用 P ( B a l l ， G i r l ) 表示； P ( B o y ) ∗ P ( B a l l ∣ B o y ) + P ( G i r l ) ∗ P ( B a l l ∣ G i r l ) ，其实表示的就是全校学生爱打篮球的比例，我们用 P ( B a l l ) 表示； 那么上式进一步化简为： P ( G i r l ∣ B a l l ) = P ( B a l l ， G i r l ) P ( B a l l ) 进行一般化推广便得到了贝叶斯公式： P ( A ∣ B ) = P ( B ∣ A ) P ( A ) P ( B ) 通俗的解释就是： 我们在已知事件 A 发生的概率和事件 B 发生的概率，在求事件 B 条件下 A 的概率时，如果难度较大时， 我们可以通过贝叶斯公式进行转换，转换成 在事件 A 条件下发生 B 的概率*事件 A 发生的概率 事件 B 发生的概率 . \\ \text{贝叶斯算法及推导：}\\ ~\\ \text{例子引入：}\\ ~\\ \text{假设在一个学校里面，男生的比例占60\%，女生的比例占40\%，}\\ ~\\ \text{其中，男生都爱打篮球，而女生有70\%不爱打篮球，有30\%爱打篮球。}\\ ~\\ \text{正向概率：我们在学校里随机抽取一位学生，这位学生爱打篮球和不爱打篮球的概率分别为多少？}\\ ~\\ \text{令全校学生为}U\\ ~\\ P_{\text{爱打篮球}}=\frac{U*60\%\ +\ U*40\%*30\%}{U}\ \ \ \ \ \ \ P_{\text{不爱打篮球}}=\frac{U*40\%*70\%}{U}\\ ~\\ \text{逆向概率：我们在学校里随机抽取一位学生，但我们只知道}TA\text{爱不爱打篮球，但是我们不知道}TA\text{的性别，}\\ ~\\ \text{此时，我们需要推断出}TA\text{是女生的概率有多大？}\\ ~\\ \text{令全校学生为}U\text{，其中男生的比例表示为}P\left( Boy \right) =60\%\text{，男生中爱打篮球的比例表示为}P\left( Ball|Boy \right) =60\%*100\%\\ ~\\ \text{其中，全校爱打篮球的男生的人数为：}M_{\text{爱打篮球男}}=U*P\left( Boy \right) *P\left( Ball|Boy \right) \\ ~\\ \text{把全校女生的比例表示为}P\left( Girl \right) =40\%\text{，女生中爱打篮球的比例表示为}P\left( Ball|Girl \right) =60\%*30\%\\ ~\\ \text{则，全校爱打篮球的女生的人数为：}M_{\text{爱打篮球女}}=U*P\left( Girl \right) *P\left( Ball|Girl \right) \\ ~\\ \text{问题简述：求爱打篮球的女生的比例为多少？}\\ ~\\ \text{爱打篮球的女生的概率}=\frac{\text{女生爱打篮球的人数}}{\text{爱打篮球的人的总数}}\text{，}\\ ~\\ \text{用具体的表达式表示为：}\\ ~\\ P\left( Girl|Ball \right) =\frac{M_{\text{爱打篮球女}}}{M_{\text{爱打篮球男}}+M_{\text{爱打篮球女}}}\\ ~\\ \ \ \ \ \ \ \ \ \ \ \ =\frac{U*P\left( Girl \right) *P\left( Ball|Girl \right)}{U*P\left( Boy \right) *P\left( Ball|Boy \right) +U*P\left( Girl \right) *P\left( Ball|Girl \right)}\\ ~\\ \text{我们发现}U\text{只是中间变量，上下可以直接约掉，所以上式化简为：}\\ ~\\ P\left( Girl|Ball \right) =\frac{P\left( Girl \right) *P\left( Ball|Girl \right)}{P\left( Boy \right) *P\left( Ball|Boy \right) +P\left( Girl \right) *P\left( Ball|Girl \right)}\\ ~\\ \text{观察上式我们可以发现：}\\ ~\\ P\left( Girl \right) *P\left( Ball|Girl \right) \text{，其实表示的就是女生爱打篮球的比例，我们用}P\left( Ball\text{，}Girl \right) \text{表示；}\\ ~\\ P\left( Boy \right) *P\left( Ball|Boy \right) +P\left( Girl \right) *P\left( Ball|Girl \right) \text{，其实表示的就是全校学生爱打篮球的比例，我们用}P\left( Ball \right) \text{表示；}\\ ~\\ \text{那么上式进一步化简为：}\\ ~\\ P\left( Girl|Ball \right) =\frac{P\left( Ball\text{，}Girl \right)}{P\left( Ball \right)}\\ ~\\ \text{进行一般化推广便得到了贝叶斯公式：}\\ ~\\ P\left( A|B \right) =\frac{P\left( B|A \right) P\left( A \right)}{P\left( B \right)}\\ ~\\ \text{通俗的解释就是：}\\ ~\\ \text{我们在已知事件}A\text{发生的概率和事件}B\text{发生的概率，在求事件}B\text{条件下}A\text{的概率时，如果难度较大时，}\\ ~\\ \text{我们可以通过贝叶斯公式进行转换，转换成}\frac{\text{在事件}A\text{条件下发生}B\text{的概率*事件}A\text{发生的概率}}{\text{事件}B\text{发生的概率}}\\ \\. 贝叶斯算法及推导： 例子引入： 假设在一个学校里面，男生的比例占60%，女生的比例占40%， 其中，男生都爱打篮球，而女生有70%不爱打篮球，有30%爱打篮球。 正向概率：我们在学校里随机抽取一位学生，这位学生爱打篮球和不爱打篮球的概率分别为多少？ 令全校学生为U P爱打篮球=UU∗60% + U∗40%∗30% P不爱打篮球=UU∗40%∗70% 逆向概率：我们在学校里随机抽取一位学生，但我们只知道TA爱不爱打篮球，但是我们不知道TA的性别， 此时，我们需要推断出TA是女生的概率有多大？ 令全校学生为U，其中男生的比例表示为P(Boy)=60%，男生中爱打篮球的比例表示为P(Ball∣Boy)=60%∗100% 其中，全校爱打篮球的男生的人数为：M爱打篮球男=U∗P(Boy)∗P(Ball∣Boy) 把全校女生的比例表示为P(Girl)=40%，女生中爱打篮球的比例表示为P(Ball∣Girl)=60%∗30% 则，全校爱打篮球的女生的人数为：M爱打篮球女=U∗P(Girl)∗P(Ball∣Girl) 问题简述：求爱打篮球的女生的比例为多少？ 爱打篮球的女生的概率=爱打篮球的人的总数女生爱打篮球的人数， 用具体的表达式表示为： P(Girl∣Ball)=M爱打篮球男+M爱打篮球女M爱打篮球女 =U∗P(Boy)∗P(Ball∣Boy)+U∗P(Girl)∗P(Ball∣Girl)U∗P(Girl)∗P(Ball∣Girl) 我们发现U只是中间变量，上下可以直接约掉，所以上式化简为： P(Girl∣Ball)=P(Boy)∗P(Ball∣Boy)+P(Girl)∗P(Ball∣Girl)P(Girl)∗P(Ball∣Girl) 观察上式我们可以发现： P(Girl)∗P(Ball∣Girl)，其实表示的就是女生爱打篮球的比例，我们用P(Ball，Girl)表示； P(Boy)∗P(Ball∣Boy)+P(Girl)∗P(Ball∣Girl)，其实表示的就是全校学生爱打篮球的比例，我们用P(Ball)表示； 那么上式进一步化简为： P(Girl∣Ball)=P(Ball)P(Ball，Girl) 进行一般化推广便得到了贝叶斯公式： P(A∣B)=P(B)P(B∣A)P(A) 通俗的解释就是： 我们在已知事件A发生的概率和事件B发生的概率，在求事件B条件下A的概率时，如果难度较大时， 我们可以通过贝叶斯公式进行转换，转换成事件B发生的概率在事件A条件下发生B的概率*事件A发生的概率.
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
