贝叶斯算法的理解

Question

如题所述

Answer 1

本质上：贝叶斯算法实际上是根据已有的经验和知识推断一个先验概率，然后根据新证据不断积累的情况下调整这个概率。

通俗上就是：用过于发生某事的概率，推断现在发生某事的概率。

比如说天气预报、医疗诊断、抽奖预测、股票预测、垃圾邮件处理等等。

贝叶斯分类算法，是统计学的一种分类方法，是利用概率统计知识进行分类的算法。

一般在互联网行业中应用场合中，主要使用的是朴素贝叶斯分类算法，基本上可以和决策树、神经网络分类算法相媲美，有方法简单、分类准确率高、速度快的特点。

贝叶斯

贝叶斯定理 由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 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)。中文名贝叶斯公式.