机器学习基础(2) 概率论基础
来源:互联网 发布:手机荧光字软件 编辑:程序博客网 时间:2024/06/08 01:11
机器学习基础(2) 概率论基础
概率密度函数
贝叶斯决策理论
*注意:以下小写
引入随机变量后,以下是在二元的概率分布中对各钟概率的定义
条件概率(conditional probability):表示在另外一个随机满足某个条件时,一个随机变量满足某一条件的概率。条件概率记作
联合概率(conditional probability):表示两个个随机变量分别满足各自条件的概率。联合概率记作
边缘概率(marginal mrobability ):表示在一个随机变量满足某一条件的概率,与其他变量无关。边缘概率记作
贝叶斯定理(Bayes’ theorem): 后验概率 = (相似度*先验概率)/标准化常量。
也就是说,后验概率与先验概率和相似度的乘积成正比。
例1: 手写识别,对输入的字母进行识别分类(a或b)。
先验概率(prior probability):是指根据以往经验和分析得到的概率。例如:类别
似然函数(likelihood):用来描述已知随机变量输出结果时,未知参数的可能取值。例如:已知类别为
后验概率(posterior probability ):是指在得到“结果”的信息后重新修正的概率。例如:已知测量值为
阅读全文
0 0
- 机器学习概率论基础
- 机器学习基础(2) 概率论基础
- 机器学习基础-概率论知识点
- 机器学习基础---概率论基础知识
- 机器学习基础-学习笔记 概率论
- 机器学习(一)概率论基础
- 机器学习笔记(一)概率论基础
- 机器学习——概率论基础
- 机器学习1:统计基础之概率论
- 机器学习数学基础之概率论
- 机器学习基础01-数学分析与概率论
- 机器学习笔记_数学基础_2-概率论
- 机器学习基础--概率论与数理统计 chapter1 section5 条件概率
- 免费教材丨第51期:数学基础课程----概率论教程、机器学习中的数学基础
- 概率论基础
- 概率论基础
- 机器学习数学|概率论基础常见概型分布期望与方差
- 机器学习学习笔记 2、概率论
- 使用Redis需要注意的数据安全问题
- RAS加密
- Spark2.0.X算子源码深度剖析之MapPartitionsRDD,绝对让你看清楚算子的计算本质
- Spring集成ActiveMQ消息队列使用
- AES算法
- 机器学习基础(2) 概率论基础
- 【bzoj 1025】游戏(DP)
- 把十进制的数字转为任何进制
- Luogu 1083(借教室)(NOIP 2012)
- Fibonacci数列
- shell脚本ssh登入
- Netty源码分析:PooledByteBufAllocator
- 输出单层结点
- matlab cplex使用