贝叶斯公式的简单介绍
来源:互联网 发布:福岛五十死士现状知乎 编辑:程序博客网 时间:2024/05/12 16:45
贝叶斯公式
原文:http://www.cnblogs.com/elaron/archive/2012/10/25/2739236.html
假设已知先验概率P(ωj),也知道类条件概率密度p(x|ωj),且j=1,2。那么,处于类别ωj,并具有特征值x的模式的联合概率密度可写成两种形式:
p(ωj,x) = P(ωj|x)p(x) = p(x|ωj)P(ωj)
整理后得出贝叶斯公式(只有两种类型的情况下)
下面分别介绍一下后验概率、似然函数、先验概率以及证据因子。
1、后验概率
后验概率P(ωj|x),即假设特征值x已知的条件下类别属于ωj的概率。
2、似然函数
p(x|ωj)为ωj关于x的似然函数,也成为类条件概率密度函数,表明类别状态为ω时的x的概率密度函数*。
3、先验概率
先验概率P(ωj)是由先验知识而获得的。
4、证据因子
证据因子的存在是为了保证各类别的后验概率的总和为1。
补充:
1.概率密度函数:在数学中,一个连续型随机变量的“概率密度函数”是一个描述这个随机变量的输出值在某一个确定的取值点附近的可能性的函数。
2.累积分布函数:而随机变量的取值落在某个区域之间的概率则是概率密度函数在这个区域上的积分。当概率密度函数存在的时候,累积分布函数是概率密度函数的积分。
3.概率密度函数的性质:
a.概率密度函数的所有取值的概率总和为1:
b.一个函数 f(x) 要想成为密度函数,那么必须满足两个条件:
① f(x) >0,因为概率不可能为负数。
② ∫f(x)dx=1,概率就是某种可能性,如果把所有可能性都包括在内就可以证明这个事情一定是发生的,只是按照哪种情况发生我们不知道而已,所以所有可能性的和为1.
- 贝叶斯公式的简单介绍
- 简单的表白公式
- Excel公式与函数笔记—第二篇(简单通俗的基础介绍)
- 简单命题公式的求解
- 一个简单的公式解析器
- 斯特林公式的推导(简单法则)
- 解析 简单的字符串计算公式
- HDU1418抱歉(简单的欧拉公式)
- 简单的选股指标公式
- 简单几步让你的公式逼格爆表!
- 关于并发量的简单计算公式
- 简单的表达式、公式解析器
- 简单的选股指标公式
- 贝叶斯公式的背后
- 贝叶斯公式的转换
- 贝叶斯公式的理解
- object-c math.h里的数学计算公式介绍
- object-c math.h里的数学计算公式介绍
- 按字节截取字符串 (有汉字)
- c#对第三方缓存redis的操作(七)
- cocos2dx 音频模块分析(2):背景音乐
- 22.UIWindow 程序启动
- 上下文切换和锁
- 贝叶斯公式的简单介绍
- 探讨最近比较火的网络招聘平台
- 携程App的网络性能优化实践
- webservlet不能识别为type原因
- java根据jar包反编译后修改再打包回jar的做法
- linux arp z组播检测IP冲突
- HDFS Shell 命令
- Objective-C学习阶段的知识点总结
- HDOJ3339(最短路+01背包)