1樓：今天是賠錢貨嗎
首要打好2個基礎1。 這兩類均是由2個階段組成2。條件概率的思維
1。 全概公式：首要樹立乙個齊備事情組的思維，其實全概就是已知第一階段求第二階段，比方第一階段分A B C三種，然後A B C中均有D發作的概率，最終讓你求D的概率
P(D)=P(A)*P(D/A） P(B)*P(D/B） P(C)*P(D/C）
2。貝葉斯公式，其實本來應該叫逆概公式，為了留念貝葉斯這樣取名罷了。在全概公式了解的基礎上，貝葉斯其實就是已知第二階段反推第一階段，這時候關鍵是使用條件概率公式做個天地大移動,跟上面樹立的A B C D模型相同，已知P(D)，求是在A發作下D發作的概率，這就是貝葉斯
P(A/D)=P(AD)/P(D)=P(A)*P(D/A)/P(D)
這是概率論第一章了解的難點和要點，期望同學能學好！貝葉斯公式用於求原因概率；全概率公式用於求成果概率，兩個公式對照著學會比較容易了解。
找到書上貝葉斯公式的例題，把題目中的某已知條件與所求交換一下，就變成從原因求成果概率，而用全概率公式。
找到書上全概率公式的例題，把題目中的某已知條件與所求交換一下，就變成從成果求原因概率，而用貝葉斯公式。
2樓：若羽
如果先驗概率P（0），P(1)已知，條件概率P(x|1）和P(x|0)也已知，可以計算得到無條件概率：
P(x)=P(0)P(x|0)+P(1)P(x|1)；
後驗概率P（0|x)= P(0)P(x|0)/P(x)，P(1|x)=P(1)P(X|1)/P(x)，如果P(0|x)>P(1|x)，判決為0，反之判決為1，如果相等，選誰都一樣，此之謂」貝葉斯決策最優「。
3樓：啊唄唄
和Frequentist相比乙個重要的區別大概是這樣的：傳統的統計學派認為引數是固定的常數，要做推斷是去用資料找引數，而bayes學派則是把引數看成隨機變數，因此也就有了prior dist'n，然後再由資料的information，得到posterior
怎麼簡單理解貝葉斯公式？
Jean 首先要知道貝葉斯公式是來幹嘛的。貝葉斯公式是用來求條件概率的。也就是當某件事發生時，另一件事發生的概率。從集合論的角度來分析這個問題會很直觀。圖中 代表樣本空間。陰影部分和非陰影部分是對 的一種劃分，我們記陰影部分為事件 是對 的另一種劃分。我們要求的是 也就是當 已經發生時，發生的概率。...
如何最簡單 通俗地理解決策樹演算法？
雲朵 決策樹 Decision tree 是一種基本的分類與回歸方法，是一種非引數的有監督學習方法。決策樹是一種樹狀結構，它的每乙個葉子結點對應著乙個分類，非葉子結點對應著在某個屬性上的劃分，根據樣本在該屬性上的不同取值降氣劃分成若干個子集。其基本原理是通過遞迴切割的方法來尋找最佳分類標準，進而最終...
如何從博弈樹中劃分出各個子博弈？貝葉斯法則如何使用？
先補充一點背景。上圖摘自張維迎的 博弈論與資訊經濟學 P 7 在此圖中，我們可以看出博弈論大概分為四類，每種類別都有固定的納什均衡。這道題中所問的 如何分辨子博弈 是求解子博弈精煉納什均衡的基礎。而 貝葉斯法則 是求解精煉貝葉斯均衡的基礎。一 完全資訊動態的子博弈精煉納什均衡 完全資訊動態一般用擴充...