贝叶斯公式推导以及深入理解

妖狐艹你老母 2023-07-06 04:47 4阅读 0赞

![在这里插入图片描述][20200216102416963.png]  
![在这里插入图片描述][20200216102644515.png]

## 乘法公式：P(AB) = P(A)P(B|A) ##

![在这里插入图片描述][2020021610365582.png]

## 推导： ##

![在这里插入图片描述][20200216102943296.png]

## 进阶： ##

一、P(B|A) = P(B) / P(A)  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxNDgwNjA3_size_16_color_FFFFFF_t_70]  
二、 P(B5 | A) = P(AB5) / P(A)  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxNDgwNjA3_size_16_color_FFFFFF_t_70 1]

## 深入理解 ##

[【官方双语】贝叶斯定理，使概率论直觉化][Link 1]  
[【官方双语】贝叶斯定理的简洁证明][Link 2]

[20200216102416963.png]: https://img-blog.csdnimg.cn/20200216102416963.png
[20200216102644515.png]: https://img-blog.csdnimg.cn/20200216102644515.png
[2020021610365582.png]: https://img-blog.csdnimg.cn/2020021610365582.png
[20200216102943296.png]: https://img-blog.csdnimg.cn/20200216102943296.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxNDgwNjA3_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200216103206663.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxNDgwNjA3,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxNDgwNjA3_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200216103517160.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzIxNDgwNjA3,size_16,color_FFFFFF,t_70
[Link 1]: https://www.bilibili.com/video/av84799361
[Link 2]: https://www.bilibili.com/video/av84799859

发表评论取消回复

表情：

评论列表（有 0 条评论，4人围观）

还没有评论，来说两句吧...

相关阅读

相关朴素贝叶斯（公式推导证明）

贝叶斯 Treatment 最大后验估计 Maximum a Posterior Estimate(MAP) 参数的先验： p 0 ( q 0

墨蓝/ 2023年07月14日 08:28/ 0 赞/ 27 阅读

相关贝叶斯公式推导以及深入理解

![在这里插入图片描述][20200216102416963.png] ![在这里插入图片描述][20200216102644515.png] 乘法公式：P(AB) =

妖狐艹你老母/ 2023年07月06日 04:47/ 0 赞/ 5 阅读

相关贝叶斯公式

讲解的不错尤其是`现象`和`规律`的说法 ![1515886-20190928121823736-2138558902.png][] [贝叶斯公式由浅入深大讲解—A

清疚/ 2023年06月01日 05:48/ 0 赞/ 73 阅读

相关贝叶斯定律公式

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE1

小灰灰/ 2023年02月20日 02:53/ 0 赞/ 144 阅读

相关贝叶斯分类（轻松理解朴素贝叶斯与半朴素贝叶斯）

贝叶斯分类是一类分类[算法][Link 1]的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。这篇文章

今天药忘吃喽~/ 2022年12月18日 00:54/ 0 赞/ 380 阅读

相关简单理解贝叶斯公式

贝叶斯公式：给定一组所关心事件的先验概率，如果你收到新的信息，那么更新你对于事件发生概率的法则为：注意 P（B | A）表示为在A发生的情况下B发生的概率。 ![

向右看齐/ 2022年11月26日 07:38/ 0 赞/ 222 阅读

相关贝叶斯公式

例已知概率： P(X = A) –原因为A的概率 P(Y=B | X=A) –在原因为A的前提下，结果为B的条件概率需要求的

一时失言乱红尘/ 2022年05月19日 05:08/ 0 赞/ 272 阅读

相关贝叶斯公式：通俗的理解

如上文提到的贝叶斯公式，[《朴素贝叶斯分类：使用案例》][Link 1]，可以使用它来做文本分类：【已知：样本中每个分类下的单词概率ceilPencent, 样本的分类

梦里梦外;/ 2022年05月16日 15:16/ 0 赞/ 267 阅读

相关全概率公式和贝叶斯公式

（1）条件概率公式设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： P(A|B)=P

╰半橙微兮°/ 2022年04月15日 03:27/ 0 赞/ 264 阅读

相关贝叶斯公式

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ub

﹏ヽ暗。殇╰゛Y/ 2021年11月19日 13:06/ 0 赞/ 411 阅读