理解贝叶斯公式
由think创建，最终由think 被浏览 9 用户
第一次理解贝叶斯公式视频
https://www.bilibili.com/video/BV19V411o7Pu
\
贝叶斯公式
$P(B|A) = \dfrac{P(A|B) \times P(B)}{P(A)} $
来自
$P(AB) = P(A) \times P(B|A) = P(B) \times P(A|B) $
在机器学习里的解读
贝叶斯公式在机器学习里被广泛是用，是一个基础公式
$P(B|A) = \dfrac{P(A|B) \times P(B)}{P(A)} $
在基于数据学习的机器学习场景里
-
A：数据
-
B：认知
-
$P(B|A)$：后验概率，posterior probability
-
$P(A)$：常数，不管
-
$P(B)$：初始认知，先验认知，prior probability
-
$P(A|B)$：似然，likelihood，”任何一种学习过程，都有主观“
-
如果A、B独立，$P(B) = P(B|A)$
\
\