贝叶斯分析

1

贝叶斯方法是统计机器学习最重要的方法之一，
假定 H 表示假设，D 是数据，P(H)是先验概率（先验概率顾名思义是看到数据前的猜测）， P(H|D)是后验概率（后验概率顾名思义是拿到数据之后的猜测）， P(D) 是数据发生的概率，P(D|H)是在这个假设下数据发生的概率，也叫似然函数 。写出贝叶斯后验概率P(H|D)计算式

P（H/D）=[P(D/H)*P(H)]/P(D)

2. 

假设是适合打网球为A，温度热为B

由题可得：

P(A/B)=[P(B/A)*P(A)]/P(B)

P(B/A)=2/9;

P(A)=9/14;

P(B)=2/7;

P(A/B)=1/2

3. 

假设A=否风，B=晴，C=是适合打网球

P(AB/C)=P(A/C)P(B/C)

P(A/C)=2/3;

P(B/C)=2/9