概率基础
这部分太简单,直接略过
条件概率
独立性
独立事件A和B的交集如下
非独立事件
非独立事件A和B的交集如下
贝叶斯定理
先验 事件 后验
在概率论和统计学中,先验概率和后验概率是贝叶斯统计的核心概念
简单来说后验概率就是结合了先验概率的前提和新事件的信息
自然贝叶斯
自然贝叶斯就是在有多个先验的前提下,假设它们相互独立,利用公式算出来的近似概率
贝叶斯与机器学习
-
条件概率生成像素
-
条件概率识别图像
概率分布
随机变量
随机变量分为离散型随机变量和连续型随机变量
区别如下
两个分布函数
-
概率密度函数
-
累积分布函数
概率分布
纵坐标都是概率密度函数,面积才是概率,且总面积为1
-
伯努利分布和二项分布
-
均匀分布或标准分布
概率密度函数在一个范围[a,b]为定值
理解模板函数
μ和σ的几何意义
一旁的函数是面积