Datamining数据挖掘-贝叶斯诠释

  1. 贝叶斯

贝叶斯

贝叶斯

A的 后验概率 (Posterior probability of A given B) 当B发的情况下,A发生的概率 P(A|B)

A的 先验概率 (Likelihood of evidence B if A is true) P(B|A)

贝叶斯公式 \[ P(A|B)=\frac{P(B|A)P(A)}{P(B)} \]

实际应用1 eg:猜鱼 捕了一条鱼,假设海里有三文鱼核鲑鱼,捕的是什么鱼 x:海里三文鱼多,P(ω1)>P(ω2) ω1:是三文鱼的概率 1,已知,海里数目一样多,P(ω1)=P(ω2):怎么猜误差都是一样的 2,已知,海里三文鱼多,会偏向猜捕获的是三文 \[ P(\omega_1|x)=\frac{P(x|\omega_1)P(\omega_1)}{P(x)} \] 实际情况还会知道鱼色颜色,大小等

实际应用2 eg:打把子 C:把子被命中 A:是A命中靶子的概率 问AB同时开抢,已知把子被命中,求是A命中巴子的概率

实际应用3 eg:猜患病概率 +:得知体检报告呈阳性 ω1:患病 ω2:不患病 问在得知体检报告呈阳性条件下,患病的概率

所以 P(ω1|+ ) >> P(ω1) 那么还体检干啥啊

实际应用4 eg:猜患病率 H:头疼 F:患流感 猜当头疼的时候,患流感的概率


转载请注明来源 https://tianweiye.github.io