贝叶斯公式的通俗解释
贝叶斯公式的通俗解释（通用9篇）由网友“李木戈论文多多”投稿提供，以下是小编帮大家整理后的贝叶斯公式的通俗解释，仅供参考，大家一起来看看吧。
篇1：贝叶斯公式的通俗解释
贝叶斯公式
贝叶斯定理由英国数学家贝叶斯发展，用来描述两个条件概率之间的关系，比如P(A|B)和P(B|A)。按照乘法法则，可以立刻导出：P(A∩B)=P(A)*P(B|A)=P(B)*P(A|B)。如上公式也可变形为：P(A|B)=P(B|A)*P(A)/P(B)。
定义
贝叶斯的统计学中有一个基本的.工具叫贝叶斯公式、也称为贝叶斯法则，尽管它是一个数学公式，但其原理毋需数字也可明了。如果你看到一个人总是做一些好事，则那个人多半会是一个好人。
这就是说，当你不能准确知悉一个事物的本质时，你可以依靠与事物特定本质相关的事件出现的多少去判断其本质属性的概率。用数学语言表达就是：支持某项属性的事件发生得愈多，则该属性成立的可能性就愈大。
托马斯·贝叶斯介绍
托马斯·贝叶斯（ThomasBayes），英国神学家、数学家、数理统计学家和哲学家，17出生于英国伦敦，做过神甫，1742年成为英国皇家学会会员。贝叶斯曾是对概率论与统计的早期发展有重大影响的两位人物之一。
篇2：贝叶斯决策
模式识别
理解这一章的关键是要正确理解先验概率, 类概率密度函数,后验概率这三种概率, 对这三种概率的定义,相互关系要搞得清 清楚楚.Bayes公式正是体现这三者关系的 式子,要透彻掌握.
武汉大学电子信息学院
3
篇3：贝叶斯决策
模式识别
特征向量与特征空间
例:苹果的直径尺寸限定在7厘米到15厘米 之间,它们的重量在3两到8两之间变化. 如果直径长度x用厘米为单位,重量y以两 为单位.那么,由x值从7到15,y值从3到8 包围的二维空间就是对苹果进行度量的特 征空间.
总体概率分布已知 要决策分类的类别数一定
武汉大学电子信息学院
5
篇4：贝叶斯决策
模式识别
学习指南
主要内容是说明分类识别中为什么会有错分类, 在何种情况下会出现错分类?错分类的可能性会 有多大?在理论上指明了怎样才能使错分类最少? 不同的错分类造成的危害是不同的,有的错分类 种类造成的危害更大,因此控制这种错分类则是 更重要的.为此引入了一种“风险”与“损失” 概念,希望做到使风险最小.要着重理解“风险” 与“损失”的概念,以及在引入“风险”概念后 的处理方法.
武汉大学电子信息学院
2
篇5：贝叶斯决策
模式识别
贝叶斯决策理论所要讨论的问题
各类别ωi=1,2,…,c的先验概率P(ωi)及类条 件概率密度函数p(x|ωi)已知的条件下,如 何对某一样本按其特征向量分类的问题. 几种常用的决策规则 正态分布时统计决策的问题以及错误概率 等问题
武汉大学电子信息学院
6
篇6：贝叶斯决策
模式识别
2.2.1 基于最小错误率的贝叶斯决策
分类识别中为什么会有错分类,在何种情况下会出现 错分类?错分类的可能性会有多大? 当某一特征向量值X只为某一类物体所特有,即
对其作出决策是容易的,也不会出什么差错.问题在 于出现模棱两可的情况.此时,任何决策都存在
判错 的可能性. 条件概率 :P(*|#)是条件概率的通用符号,P(ωK|X) 是表示在X出现条件下,样本为ωK类的概率.
武汉大学电子信息学院
8
篇7：贝叶斯决策
模式识别
2.1 引 言
模式识别是一种分类(classify)问题,即根据 识别对象所呈现的观察值,将其分到某个 类别中去.统计决策理论是处理模式分类 问题的基本理论之一,对模式分析和分类 器(classifier)的设计起指导作用.贝叶斯决 策理论是统计模式识别中的一个基本方法, 我们先讨论这一决策理论,然后讨论涉及 统计判别方法的一些基本问题.
武汉大学电子信息学院
4
篇8：贝叶斯决策
模式识别
2.2 几种常用的决策规则
不同的决策规则反映了分类器设计者的不 同考虑,对决策结果有不同的影响.其中 最有代表性的是: 基于最小错误率的贝叶斯决策 基于最小风险的贝叶斯决策
武汉大学电子信息学院
7
篇9：贝叶斯决策
模式识别
先验概率,后验概率,概率密度函数
Bayes(贝叶斯)公式是根据联合概率这一概 念推出的 P(x,ωi)=P(x|ωi)P(ωi)=P(ωi|x)P(x)
贝叶斯公式实质上是通过观察x,把状态的 先验概率P(i)转化为后验概率P(i|x)
武汉大学电子信息学院
10
