概率分析

一、概率基础知识

1. 矩阵、微积分 ---> 回归；概率 ---> 分类

2. 概率：可能性的度量 likehood
   

＇

三者关系：

1. 矩阵：可以用来“表示”，N个变量之间的关系。

2. 微积分：求解关系中的参数。 

3. 概率：#1分类中，属于某一类的概率。应该还有其他作用，没提。

概率：

机器学习中的概率：

概率分析

例子：

玩一次输赢的概率：

如果进行3700次：

长久下去基本上都是输的

概率分析在人工智能中的应用：

分类，人面识别的情况，预测不同类别可能性的概率

>0 , 值得玩

<0, 不值得玩

在某种情况A发生下的B发生的概率： 条件概率的情况

现实的情况，就是在某种分布的条件之下计算某个事情发生的可能性

你出门的概率 1/4 ，女神出门的概率1/2 ，遇到女神的概率是1/2

全概率的情况：

总结出来

贝叶斯公式：

贝叶斯公式与全概率、条件概率公式的关系：

条件概率公式/全概率公式 = 贝叶斯公式

所谓的后验概率就是上面的  P( Bi |  A )

朴素贝叶斯：

朴素贝叶斯的案例：

基于用户的性别、年龄和使用的设备，预测用户是否购买产品

yi 先计算 y=1 或 =0 的各自概率   乘以   xj|yi 计算  x1，x2, x3都为0的概率 / xj 每个x在各自组里面是0的概率

注意：y = 1 的概率和y！= 1的概率总和不为1

概率分析

例子：赌博