友山建站优化,网站建设项目化教程,微信公众平台登录入口内村完小,免费的舆情网站app机器学习技术栈—— 概率学基础 先验概率、后验概率、似然概率总体标准差和样本标准差 先验概率、后验概率、似然概率
首先 p ( w ∣ X ) p ( X ∣ w ) ∗ p ( w ) p ( X ) p(w|X) \frac{ p(X|w)*p(w)}{p(X)} p(w∣X)p(X)p(X∣w)∗p(w) 也就有 p ( w ∣ X ) ∝ p ( X ∣ … 机器学习技术栈—— 概率学基础 先验概率、后验概率、似然概率总体标准差和样本标准差 先验概率、后验概率、似然概率
首先 p ( w ∣ X ) p ( X ∣ w ) ∗ p ( w ) p ( X ) p(w|X) \frac{ p(X|w)*p(w)}{p(X)} p(w∣X)p(X)p(X∣w)∗p(w) 也就有 p ( w ∣ X ) ∝ p ( X ∣ w ) ∗ p ( w ) p(w|X) \propto p(X|w)*p(w) p(w∣X)∝p(X∣w)∗p(w) p ( w ) p(w) p(w)是先验(prior)概率即先入为主基于历史规律或经验对事件 w w w做出概率为 p ( w ) p(w) p(w)的判断而非基于客观事实。 p ( w ∣ X ) p(w|X) p(w∣X)是后验(posterior)概率即马后炮基于事实的校验对事件 w w w做出一定条件下的概率判断。 p ( X ∣ w ) p(X|w) p(X∣w)是似然(likelihood)概率似然即似乎会这样也就是事件 w w w发生时发生 X X X的概率似乎是 p ( X ∣ w ) p(X|w) p(X∣w)这么大是一个根据数据统计得到的概率这一点性质和先验是一样的。
如何科学的马后炮得到后验概率呢就要先依托历史规律然后摆数据历史规律实事求是的数据就是科学的马后炮。后验概率是在有数据后对先验概率进行纠偏的概率。
参考文章Bayes’ Rule – Explained For Beginners《【辨析】先验概率、后验概率、似然概率》
总体标准差和样本标准差
样本标准差(sample standard deviation): S ∑ ( X i − X ˉ ) 2 n − 1 S \sqrt{ \frac{\sum(X_i - \bar X)^2}{n-1}} Sn−1∑(Xi−Xˉ)2 总体标准差(population standard deviation): σ ∑ ( X i − X ˉ ) 2 n \sigma \sqrt{ \frac{\sum(X_i - \bar X)^2}{n}} σn∑(Xi−Xˉ)2 population也有全体的意思
参考文章Standard_deviation - Wiki
