你怎麼這麼優秀!不過感覺沒啥用啊,畢竟我們可以透過看了近一千集柯南得出的規律來判斷,還有小五郎這個指示器啊,正確率90%以上。
理論上是可行的,條件機率是樸素貝葉斯模型的基礎,而我們可以把這個當做一個事件,而我們可以認為“任何事件都是條件機率。”
因為任何事件的發生都不是完全偶然的,它以其他事件的發生為基礎,產生了相應的結果,即有因即有果。
我們來計算被害人被殺的機率,需要建立在一定條件下。
我們以P(A)代表被害人被殺的機率,P(B)代表被害人與人有過節的機率,P(B|A)代表在被殺的前提下有過節機率,我們需要被害人與人有過節並被殺的機率,即P(A|B),貝葉斯公式可以列出來如下
P(A|B)=P(AB)/P(B)
=P(B|A)*P(A)/P(B)
由上可知,計算B條件下A發生的機率,可計算出後面等式的三個部分,B的機率(P(B)),是B的先驗機率、A屬於某類的機率(P(A)),是A的先驗機率、以及已知A的某個分類下,事件B的機率(P(B|A)),是後驗機率。
我們可以列出以下式子
MAX(P(Ai|B))=MAX(P(B|Ai)*P(Ai)/P(B))
我們從上面式子可知道,需要計算最大的後驗機率,只需要計算出分子的最大值即可,而不同水平的機率為P(C),我們可進行P(X|C)的機率計算。貝葉斯假設變數X間是條件獨立的,P(X|C)的機率就可以計算為:
P(B|Ai) =P(B1/Ai)*P(B2/Ai)*P(B3/Ai)*.....*P(Bn/Ai)
然後我們需要有以上公式的資料即可得出結論。
當然,現實情況並不會這麼理想化。貝葉斯理論只是一個工具,並不能完全預測一個事件的走向。
而且其實使用全機率公式的計算模型應該更好。
我似乎很無聊啊!
你怎麼這麼優秀!不過感覺沒啥用啊,畢竟我們可以透過看了近一千集柯南得出的規律來判斷,還有小五郎這個指示器啊,正確率90%以上。
理論上是可行的,條件機率是樸素貝葉斯模型的基礎,而我們可以把這個當做一個事件,而我們可以認為“任何事件都是條件機率。”
因為任何事件的發生都不是完全偶然的,它以其他事件的發生為基礎,產生了相應的結果,即有因即有果。
我們來計算被害人被殺的機率,需要建立在一定條件下。
我們以P(A)代表被害人被殺的機率,P(B)代表被害人與人有過節的機率,P(B|A)代表在被殺的前提下有過節機率,我們需要被害人與人有過節並被殺的機率,即P(A|B),貝葉斯公式可以列出來如下
P(A|B)=P(AB)/P(B)
=P(B|A)*P(A)/P(B)
由上可知,計算B條件下A發生的機率,可計算出後面等式的三個部分,B的機率(P(B)),是B的先驗機率、A屬於某類的機率(P(A)),是A的先驗機率、以及已知A的某個分類下,事件B的機率(P(B|A)),是後驗機率。
我們可以列出以下式子
MAX(P(Ai|B))=MAX(P(B|Ai)*P(Ai)/P(B))
我們從上面式子可知道,需要計算最大的後驗機率,只需要計算出分子的最大值即可,而不同水平的機率為P(C),我們可進行P(X|C)的機率計算。貝葉斯假設變數X間是條件獨立的,P(X|C)的機率就可以計算為:
P(B|Ai) =P(B1/Ai)*P(B2/Ai)*P(B3/Ai)*.....*P(Bn/Ai)
然後我們需要有以上公式的資料即可得出結論。
當然,現實情況並不會這麼理想化。貝葉斯理論只是一個工具,並不能完全預測一個事件的走向。
而且其實使用全機率公式的計算模型應該更好。
我似乎很無聊啊!