【人工智能导论：模型与算法】生成式模型 | 判别式模型 - 3 贝叶斯公式 忽略分母

这一部分吴飞老师讲解了贝叶斯公式的使用，顺道复习一下概率知识

---

A 为 条件 | 特征；B 为 标签 | 分类

先验概率：是指根据以往经验和分析得到的概率，它往往作为"由因求果"问题中的"因"出现的概率。P(A)

后验概率：在得到“结果”的信息后重新修正的概率，是“执果寻因”问题中的"果"。后验概率可以根据通过贝叶斯公式，用先验概率和似然函数计算出来。P(B|A)

后验概率是一种条件概率，但是与其它条件概率的不同之处在于，它限定了目标事件为隐变量取值，而其中的条件为观测结果。

条件概率：一个事件发生后另一个事件发生的概率。P(B|A)

似然概率：似然函数可以理解为条件概率的逆反。P(A|B)

 

 

联合概率：包含多个条件且所有条件同时成立的概率。既满足 X 条件，又满足 Y 条件的概率 。P(A,B)

边缘概率：边缘概率是与联合概率对应的。P(X=a)或P(Y=b)，这类仅与单个随机变量有关的概率称为边缘概率。

是某个事件发生的概率，而与其它事件无关。

边缘概率是这样得到的：在联合概率中，把最终结果中不需要的那些事件合并成其事件的全概率而消失（对离散随机变量用求和得全概率，对连续随机变量用积分得全概率）。

 

 

 

 

 

 

全概率

 

 

 贝叶斯公式

 

 

 

贝叶斯分类 忽略分母：

 对于所有分类，分母的取值始终是相等的。

分类的时候比较大小，省略掉“分母”，对结果没有影响，可以忽略。

这样可以省去计算全概率的步骤。

 

ref：

https://blog.csdn.net/liuweiyuxiang/article/details/89741195

https://blog.csdn.net/tick_tock97/article/details/79885868

https://blog.csdn.net/tick_tock97/article/details/79885868#commentBox

https://zhuanlan.zhihu.com/p/53005534

https://blog.csdn.net/songyu0120/article/details/85059149

https://www.zhihu.com/question/22905989

https://blog.csdn.net/qq_29407397/article/details/88690240

https://zhuanlan.zhihu.com/p/110402052

https://zhuanlan.zhihu.com/p/57446474