概率论中,对于两个独立事件,它们的联合概率为
进一步,得到贝叶斯公式:
推广到机器学习中,令
似然概率:
先验概率:
事实概率:
后验概率:
注意:
似然概率和后验概率都是条件概率,如果一个当作正向条件概率,那么另外一个称为反向条件概率。
在进行贝叶斯统计时,需要利用一个真实数据集作为训练数据集,来估计概率模型的参数,然后用于统计推断。
概率论中,对于两个独立事件,它们的联合概率为
进一步,得到贝叶斯公式:
推广到机器学习中,令
似然概率:
先验概率:
事实概率:
后验概率:
注意:
似然概率和后验概率都是条件概率,如果一个当作正向条件概率,那么另外一个称为反向条件概率。
在进行贝叶斯统计时,需要利用一个真实数据集作为训练数据集,来估计概率模型的参数,然后用于统计推断。