1 贝叶斯公式
贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展，用来描述两个条件概率之间的关系，比如 P(A|B) 和 P(B|A)。按照乘法法则，可以立刻导出：
P(A∩B) = P(A)P(B|A)=P(B)P(A|B)。
如上公式也可变形为：P(A|B)=P(B|A)*P(A)/P(B)。
在统计学机器学习中起着至关重要的地位
主要用于先验概率推算后验概率
2 例题示例
3 朴素贝叶斯建模
遇到概率为0的情况
4 其它公式
贝叶斯公式
2022-04-10
275
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
贝叶斯公式
目录
相关文章
|
7月前
|
机器学习/深度学习
数据可视化
Python
【概率论基础】Probability | 数学性概率 | 统计性概率 | 几何概率 | 概率论三大公理
【概率论基础】Probability | 数学性概率 | 统计性概率 | 几何概率 | 概率论三大公理
136
0
0
|
机器学习/深度学习
算法
|
资源调度
数据可视化
用二元泊松模型预测2022年世界杯淘汰赛结果
双泊松模型有一个严重的缺陷，那就是它假设比赛中两队的比分是条件独立的。而我们都知道，在对抗性比赛中，两队的比分是存在关联的，双泊松模型可以描述比分的这种关联性，提高了比赛结果预测的准确度。
481
1
2
|
资源调度
数据处理
|
人工智能
开发者
|
机器学习/深度学习
算法
开发者
|
机器学习/深度学习
人工智能
算法