机器学习-贝叶斯公式
1. 贝叶斯公式在已知B事件发生的情况下A事件发生的概率。本身最直观的形式是即AB两事件的交集除以B事件发生的概率最简单的理解方法就是画图:如图所示，A和B为样本空间S中两个存在交集的事件。假设面积对应事件发生的概率，P（S）=1, P（A）= 0.3，P (B) = 0.4,P(A∩B)=0.1前提为B事件发生，那么我们只需要关注B事件发生后的情况，如图阴影部分是A和B事件的交集。它占B事件的比
·
1. 贝叶斯公式
![[公式]](https://i-blog.csdnimg.cn/blog_migrate/c35da3febcdc01fa9c536f9d97329c36.png#pic_center)
在已知B事件发生的情况下A事件发生的概率。本身最直观的形式是
即AB两事件的交集除以B事件发生的概率
最简单的理解方法就是画图:
如图所示，A和B为样本空间S中两个存在交集的事件。假设面积对应事件发生的概率，P（S）=1, P（A）= 0.3，P (B) = 0.4,P(A∩B)=0.1
前提为B事件发生，那么我们只需要关注B事件发生后的情况，如图
阴影部分是A和B事件的交集。它占B事件的比例即为贝叶斯公式所描述的概率 0.1/0.4=1/4
2.个人理解：
P(A∩B)=P(B|A)P(A)，即A发生的概率 * 在A发生的条件下B发生的概率就是AB同时发生的概率 P(A∩B)/P(B), 即AB同时发生的概率 / A发生的概率不就是 = 在B发生条件下A发生的概率
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献2条内容
所有评论(0)