0
点赞
收藏
分享

微信扫一扫

用C语言写的一个扫雷小游戏

史值拥 2024-07-24 阅读 29

恶补,打一遍增加印象


声明:仅记录个人学习,并无其他用途。

先验分布

后验分布,

似然估计

隔壁小哥的故事:

将该例子公式化:
P ( 交通方式 ∣ 花费的时间 ) P(交通方式|花费的时间) P(交通方式花费的时间)
修改成一般的公式:
P ( 因 ∣ 果 ) P(因|果) P()
公式正规化:
P ( θ ∣ x ) P(\theta|x) P(θx)

将该例子公式化:
P ( 交通方式 ) P(交通方式) P(交通方式)
修改成一般的公式:
P ( 因 ) P(因) P()
公式正规化:
P ( θ ) P(\theta) P(θ)

将该例子公式化:
P ( 时间 ∣ 交通方式 ) P(时间|交通方式) P(时间交通方式)
修改成一般的公式:
P ( 果 ∣ 因 ) P(果|因) P()
公式正规化:
P ( x ∣ θ ) P(x|\theta) P(xθ)

引入贝叶斯公式:

后验概率 = 似然估计 ∗ 先验概率 e v i d e n c e 后验概率=\frac{似然估计*先验概率}{evidence} 后验概率=evidence似然估计先验概率
[注意] P(x) 即 evidence。小哥去公园很多次,但忽略了交通公式是什么,只统计每次到达公园的时间x,于是会得到一组时间的概率分布(结果)。
这种不考虑原因,只看结果的概率分布即evidence,也称为样本发生的概率分布的证据。

举报

相关推荐

0 条评论