从样本空间 - 认识全概率 与 贝叶斯

这半年加了一个大佬学习群, 都是探讨 ML 领域的核心算法原理的, 就是从数学公式推导来理解机器学习.
也可能是我太真了, 很多概念, 我感觉还是蛮好理解的, 不知为何, 有些问题总是是反复的提及, 像什么,梯度, 梯度上升, 下降, 线性函数, 矩阵求导, 贝叶斯公式, 先验,后验概率... 这些,除了矩阵求导, 我确实搞不定, 但大多我感觉很直观的呀. 当然, 也是我井底之蛙的角度吧.

从全概率 理解 贝叶斯

这个是我上大一时候, 学校自编的概率论教材的案例, 感觉对于, 全概率, 贝叶斯, 什么先验, 后验就很生活化理解. 贴个图, 刚做的(ps: 太匆忙, bayes 都拼错了, 尴尬的一批.)