请谈谈你对贝叶斯算法中先验概率、后验概率、条件概率的理解，以及怎么利用后验概率计算条件概率（可用公式表达）？
答： 先验概率——事件发生前的预判概率。可以是基于历史数据的统计，可以由背景常识得出，也可以是人的主观观点给出。 后验概率——结果发生后反推事件发生原因的概率；或者说，基于先验概率求得的反向条件概率。 条件概率——一个事件发生后另一个事件发生的概率。一般的形式为P(x|y)表示y发生的条件下x发生的概率。 可用贝叶斯公式把后验概率和条件概率、先验概率联系起来，相互推算： P(A|B) =P(AB)/P(B)=P(B|A) P(A) / P(B) P(A|B) 表示在B发生的条件下A发生的概率
举一反三
内容
- 0
关于先验概率和后验概率，正确的有（ ）。 A: 先验概率由是由历史的经验和资料数据给出的 B: 后验概率是认识问题的不断循环反复 C: 后验概率是对先验概率的校正和再认识 D: 后验概率是条件概率
- 1
朴素贝叶斯分类器的基本算法步骤包括 A: 定问题：确定为分类（类标签已知）问题 B: 算概率：计算所有朴素贝叶斯公式中的“零部件”概率 C: 比大小：计算后验概率，归入最大后验概率类
- 2
贝叶斯公式中的先验概率本质上就是一个条件概率
- 3
马尔可夫预测法中的状态转移概率是（） A: 主观概率 B: 先验概率 C: 后验概率 D: 条件概率
- 4
因为贝叶斯决策利用的是后验概率分布,所以,参数的先验概率分布不可以选择广义先验分布。(<br/>)