前言
在机器学习里面贝叶斯公式是绕不过的一个点,之前对它有过深刻的理解,奈何时间一长都忘了。最近正好赶上机器学习结课考试,虽然会做题目,但是在做题上浪费时间感觉有点不值当,所以又重新学习了一下贝叶斯公式(所有的一切来源于宝藏视频)。通过这次学习真的是颠覆了我对贝叶斯公式的认识,贝叶斯公式实际上就是一种学习的理念,废话不多说开讲。
根据条件概率有如下公式:
P
(
A
B
)
=
P
(
A
∣
B
)
P
(
B
)
=
P
(
B
∣
A
)
P
(
A
)
\begin{aligned} P(AB)=P(A|B)P(B)=P(B|A)P(A) \end{aligned}
P(AB)=P(A∣B)P(B)=P(B∣A)P(A)
贝叶斯公式如下:
P
(
B
∣
A
)
=
P
(
A
∣
B
)
P
(
B
)
P
(
A
)
\begin{aligned} P(B|A)=\cfrac {P(A|B)P(B)}{P(A)} \end{aligned}
P(B∣A)=P(A)P(A∣B)P(B)