摘要:
当有人告诉你“走过贝克街你有0.1的概率被杀害”,如何用主观的方式理解。 已知$P(走过贝克街被杀害)=0.1$,这是一个先验概率。考虑$P(走过贝克街被杀害|手里拿着杯子)$这个后验概率 \(P(走过贝克街被杀害|手里拿着杯子)=\frac{P(手里拿着杯子|走过贝克街被杀害)\cdot P(走过 阅读全文
摘要:
先说结论,贝叶斯分类=最大化后验概率。 给定样本$x$和所属类别$c$,贝叶斯最优分类器欲最大化后验概率$P(c|x)$。想实现这个目的可以通过判别模型(如决策树、支持向量机等,直接对后验概率建模),或生成模型(对联合概率$P(x,c)$建模)。 对于生成模型,考虑: \[ P(c|x)=\frac 阅读全文
摘要:
随机变量是一个对现实世界的数学建模,将文字表述的事件描述为数学代号。将特点事件的概率描述为变量的特定取值概率或取值范围概率。 **累计分布函数(cdf)**是一个特殊的概率,表示为$F_X(x)=P(X \le x)$,是单调非递减函数。 **概率密度函数(pdf)**是另一个特殊的概率,对于连续的 阅读全文