机器学习基础系列:什么是贝叶斯公式?
什么是贝叶斯公式?
摘要
本文介绍了贝叶斯公式的基本概念,通过生活实例解释其含义,包括如何从已知条件(如下雨时涨水的概率)推断未知条件(涨水时下雨的概率)。贝叶斯公式实际上是条件概率的数学表达,常用于统计学、机器学习中的概率模型计算。
贝叶斯描述的问题
假设,A事件为“下雨”,B事件为“涨水”,那么:
-
“下雨时涨水”可描述为:A条件下B的概率,即P( B | A)
-
“涨水时下雨”可描述为:B条件下A的概率,即P( A | B)
根据生活常识可以知道,“下雨时涨水”是经常的事情,概率也很好得到,但是“涨水时下雨”的情况可就太多了,不太好估计。
因此,贝叶斯公式就是用于描述这两者之间的关系的。
(我们可以由“下雨时涨水”的概率,推算出“涨水时下雨”的概率)
贝叶斯公式的推导
条件概率公式
公式表示的意义:
将P(B)移到公式左边可以得到P(AB)=P(B)P(A∣B),其中:
- P(B)表示B发生了
- P(A∣B)表示在B发生的情况下A发生的概率
因此,P(B)P(A∣B)表示AB都发生的概率,即P(AB)。
贝叶斯公式
结合条件概率意义,可以理解贝叶斯公式为:
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 分享4款.NET开源、免费、实用的商城系统
· 全程不用写代码,我用AI程序员写了一个飞机大战
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· 白话解读 Dapr 1.15:你的「微服务管家」又秀新绝活了
· 上周热点回顾(2.24-3.2)