来自知乎:https://www.zhihu.com/question/22905989
首先似然概率是一种条件概率,已知model求样本发生的概率。
后验概率是一种条件概率,它限定了事件为隐变量取值,而条件为观测结果。
一般的条件概率,条件和事件可以是任意的。
比如:
\begin{equation}
\label{eq4}
\gamma_{t}(c) = P(c | Y_{t}, \Omega)
\end{equation}
\label{eq4}
\gamma_{t}(c) = P(c | Y_{t}, \Omega)
\end{equation}
上面这个是Baum-Welch statistics 中对 γt(c) 的定义,其中 Yt 是观察到的第t帧声音信号的特征,c是UBM的第c个componment. 这个定义看论文中有两种表述方式:
where γt(c) is the posterior probability of the event that the feature vector Yt is accounted for by the mixture component c.
γt(c) 是一个事件的后验概率,这个事件是 Yt 被 c component 占有, 也就是已知观测结果为 Yt 的条件下,事件(服从的分布是c的分布)发生的概率。
OR
where γt(c) corresponds to the posterior probability of mixture component c generating the vector Yt .
这个描述比较直接, γt(c) 是 分布 c 产生 Yt 的后验概率,
自己的理解:后验概率就是将在已知发生事件,求在什么条件下发生的概率。
突然发现这个概念是不是就是贝叶斯公式的应用条件吗? 后验概率的求解就是用贝叶斯公式求解!
下面这个解释也是来自知乎,只好印证了我们上面的分析。
条件概率:在某条件下事件发生的概率。
后验概率:已知原分布,在实际发生某事件时,是原先某情况的可能性。
后验概率在某些情况下是条件概率的一种
概率也都忘了,唉…..