对于贝叶斯公式中的先验概率和后验概率和极大似然最简单理解
2018-04-01 22:35
232 查看
最近看统计学习方法这本书里面的关于朴素贝叶斯法,基本方法里面就说到了
“学一下先验概率分布和条件概率分布.....”
顿时不太理解里面的一些意思,于是去查了一下,发现这就是概率论里面的一些原句的改版
基本意思是:
先举例子:人太帅会导致大家围观你,“太帅”是原因,“围观”是结果;也可能身边有超跑,习大大跟你握手,你撒钱、这另外三种原因
先验概率:根据经验和常识得知某件事的概率是多少;也就是知道原因去算结果;
后验概率:知道结果,去求原因
极大似然估计:知道结果,求最可能的原因
按照例子来说:P(围观)就是先验概率了——这是根据经验得到的
P(太帅|围观)就是后验概率,堵车了求是太帅导致的概率
另外三个事件都会导致围观,求哪个事件最可能发生,额就是极大似然估计,即求 argmax(P(A|堵车),P(B|堵车),P(C|堵车))。argmax返回A,B,C三者中使得概率最大的事件。解释:arg就是数组,max求其中最大
“学一下先验概率分布和条件概率分布.....”
顿时不太理解里面的一些意思,于是去查了一下,发现这就是概率论里面的一些原句的改版
基本意思是:
先举例子:人太帅会导致大家围观你,“太帅”是原因,“围观”是结果;也可能身边有超跑,习大大跟你握手,你撒钱、这另外三种原因
先验概率:根据经验和常识得知某件事的概率是多少;也就是知道原因去算结果;
后验概率:知道结果,去求原因
极大似然估计:知道结果,求最可能的原因
按照例子来说:P(围观)就是先验概率了——这是根据经验得到的
P(太帅|围观)就是后验概率,堵车了求是太帅导致的概率
另外三个事件都会导致围观,求哪个事件最可能发生,额就是极大似然估计,即求 argmax(P(A|堵车),P(B|堵车),P(C|堵车))。argmax返回A,B,C三者中使得概率最大的事件。解释:arg就是数组,max求其中最大
相关文章推荐
- 通过简单例子来理解先验分布、后验分布、似然估计&&贝叶斯公式
- 对于hashmap的一些简单理解
- 对于CocoaPods的简单理解,实践安装使用过程和常见问题
- 对于测试架构师的简单理解
- 先验概率、后验概率、似然估计,似然函数、贝叶斯公式
- 对于Stack的简单理解
- 对于测试架构师的简单理解
- 对于atomic nonatomic assign retain copy strong weak的简单理解
- Android开发-对于PendingIntent的简单理解
- 个人简单的谈谈对于linux易用性的理解与学习方向
- 对于TCP协议中IOCP模型的一些简单的理解
- 一个新人对于JavaScript简单应用的理解
- 理解先验概率 后验概率 似然函数
- 逻辑回归 S函数 极大似然 这三者的理解 结合具体案例
- 模式分类对于最大似然参数估计与贝叶斯参数估计的一些理解
- 贝叶斯公式的直观理解(先验概率/后验概率)
- 先验概率与后验概率、最大似然及贝叶斯公式
- 对于page rank的理解和java简单实现
- 对于接口回调的简单理解
- c#打包文件解压缩 C#中使用委托、接口、匿名方法、泛型委托实现加减乘除算法 一个简单例子理解C#的协变和逆变 对于过长字符串的大小比对