版权声明:转载请加上链接 https://blog.csdn.net/qq_29407397/article/details/89469970
目录
题外话:
充分条件和必要条件
- 天下雨→地湿,地湿天下雨(有可能是自己泼的水造成地湿了),天下雨是充分条件
- 阳光充足花长得好,阳光充足花长得好 阳光充足是必要条件
预备知识:
- 概率:P(A)代表A事件发生的概率
- 条件概率:代表在B事件发生的情况下A事件发生的概率
- 贝叶斯公式:(下面有推导过程)
以考试前两天是否喝酒()、是否逛街()、是否学习()预测是否挂科(y)为例.其中=0,代表没有喝酒,=1代表喝酒。=0代表没有逛街,=1代表逛街。=0代表没有学习,代表学习了。
序号 | 考挂(y) | 喝酒() | 逛街() | 学习() |
1 | 1 | 1 | 1 | 0 |
2 | 0 | 0 | 0 | 1 |
3 | 0 | 1 | 0 | 1 |
4 | 1 | 1 | 0 | 0 |
5 | 1 | 0 | 1 | 0 |
6 | 0 | 0 | 1 | 1 |
7 | 0 | 0 | 1 | 0 |
8 | 1 | 0 | 0 | 1 |
根据上面样本做下面的计算
简单计算概率(热身运动):
,挂科的概率
,不挂科的概率
,喝酒的概率
,喝酒并且挂科的概率
,学习并且挂科的概率
是不是身体热起来了~~~~~~~~~~~~~~~
条件概率 :
条件概率的定义不懂得自行百度啊(我是表情符号)
贝叶斯公式
根据条件概率公式
(1)
(2)
联立(1),(2)可得
贝叶斯公式应用
贝叶斯公式来用于分类器
假如你有一个样本,,我们来预测下是否挂科。请看官往下看~~
又是预备知识:
首先计算挂科的概率
(1)
然后计算不挂科的概率
(2)
(1)的概率小于(2),经过计算(1),(2)的概率我们判断不喝酒 ,不逛街,学习那么他不会挂科(还是不能浪~~哈)