朴素贝叶斯用到的概率公式
2017-04-19 20:14
176 查看
#首先复习基本概率公式
-乘法规则：两事件A和B的交的概率P(A∧B)
P(A∧B)=P(A|B)P(B)=P(B|A)P(A)
-加法规则：两事件A和B的并的概率P(A∨B)
P(A∨B)=P(A)+P(B)-P(A∧B)
-贝叶斯法则：给定D时h的后验概率P(h|D)
$$P(h|D)=\frac{P(D|h)P(h)}{P(D)}$$
-全概率法则：如果事件A_1,A_2,A_n互斥且$\sum_{i=1}^n P(A_i)=1$,则：
$$P(B)=\sum_{i=1}^n p(B|A_i)P(A_i)$$
-乘法规则：两事件A和B的交的概率P(A∧B)
P(A∧B)=P(A|B)P(B)=P(B|A)P(A)
-加法规则：两事件A和B的并的概率P(A∨B)
P(A∨B)=P(A)+P(B)-P(A∧B)
-贝叶斯法则：给定D时h的后验概率P(h|D)
$$P(h|D)=\frac{P(D|h)P(h)}{P(D)}$$
-全概率法则：如果事件A_1,A_2,A_n互斥且$\sum_{i=1}^n P(A_i)=1$,则：
$$P(B)=\sum_{i=1}^n p(B|A_i)P(A_i)$$
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 《机器学习实战》学习笔记-[4]-基于概率的分类-朴素贝叶斯
- 机器学习四 -- 基于概率论的分类方法：朴素贝叶斯
- 机器学习-1-朴素贝叶斯
- 概率统计中的常用公式及其推断
- 《机器学习实战》代码片段学习3 朴素贝叶斯
- 数据科学之机器学习6: 分类之朴素贝叶斯
- 统计学习方法笔记-朴素贝叶斯
- 朴素贝叶斯分类的实现
- 朴素贝叶斯_垃圾邮件的识别过滤
- 朴素贝叶斯
- 分类模型与算法--朴素贝叶斯
- 浅析概率中的频率学派观点和贝叶斯学派观点
- hdu 4089||2011年北京现场赛I题 概率dp（公式不好推）
- 贝叶斯、概率分布与机器学习
- 机器学习实战（3）--（基于概率论的分类方法）朴素贝叶斯
- 机器学习中贝叶斯判决、概率分布、样本等概念间的关系
- 机器学习中的贝叶斯方法---先验概率、似然函数、后验概率的理解及如何使用贝叶斯进行模型预测（2）
- 朴素贝叶斯的解释
- 朴素贝叶斯
- HDU 4405 Aeroplane chess（全期望公式-概率dp）