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