机器学习日记之朴素贝叶斯

朴素贝叶斯的公式给我的第一感觉就是懵。

死记硬背吧，效果也不好，理解也不深。

其实这个公式不用背，记住推导过程，就会有原来这么简单的感觉。

从图像上就能解读出

当B发生的时候，A发生的概率P(A|B) 等于AB同时发生的概率P(AB) 除以B发生的概率P(B)。

即P(A|B) = P(AB)/P(B)

同理，我们还可以得到

当P(B|A)=P(AB)/P(A)

所以P(AB) = P(A|B) *P(B) = P(B|A) *P(A)

所以P(A|B) = P(B|A)*P(A) / P(B)

就得到了贝叶斯公式。

是不是很简单呢，毕竟贝叶斯是18世纪的人，公式是几百年前的公式，学习的时候不要被吓到了。