贝叶斯算法

贝叶斯 算法

    贝叶斯公式:

    

    B的条件下A发生的概率:

    A的条件下B发生的概率:

    结合上式子可得到:

    A如果为发生的事件则不会为0, 两边同时除以P(A)则有:

    

    贝叶斯解释

    通常，事件 A 在事件 B 发生的条件下的概率，与事件 B 在事件 A 发生的条件下的概率是不一样的.

    然而，这两者是有确定关系的，贝叶斯定理就是用来表达两个事件发生先后的条件之间的关系

    

    贝叶斯概率描述为: 在a发生的条件下,b事件发生的概率相等于b发生的条件下a发生的概率乘以b发生的概率`    再除以a事件发生的概率

    即一个条件事件的发生的概率,可以用条件事件

贝叶斯中的先验概率

模型比较里理论

    奥卡姆剃刀:

    

朴素贝叶斯 垃圾邮件过滤:

    

    其中P(h+) P(h-) 均是先验概率

    先验概率:P(h+) P(h-):

    只需要计算邮件库中的垃圾邮件和正常邮件的比例即可

    

    使用原始贝叶斯转化为朴素贝叶斯

    朴素贝叶斯:假设特征之间是相互独立的互不影响.