機器學習 -- 貝氏法則與疊代
機器學習簡介歷史輸入特徵分群最佳化鄰近搜尋法疊代搜尋法案例比對法函數分割法模糊分群法神經網路法機率統計法分群分類規則學習語法規則學習劇本規則學習推理規則學習網路關係學習物件知識學習貝氏法則與疊代類別學習最近 K 鄰居法核心機支持向量機EM 學習法程式實作訊息相關網站參考文獻最新修改簡體版English |
貝氏法則: (1)\begin{align} p(a|b) = p(a) * \frac{p(b|a)}{p(b} \end{align}
疊代公式 (2)\begin{equation} p(b) * p(a|b) = p(a) * p(b|a) \end{equation}
假設 p(b) = 0.7, p(a|b)=0.3, p(a)=0.4, p(b|a) = 0.5 而且 p(a|b) 與 p(b|a) 不變,則疊代公式如下所示 (3)\begin{align} p(b) += 0.01 * (p(a) * \frac{p(b|a)}{p(b)} - p(b)) \end{align}
(4)
\begin{align} p(a) += 0.01 * (p(b) * \frac{p(a|b)}{p(a)} - p(a)) \end{align}
|
page revision: 1, last edited: 22 Oct 2010 11:13
Post preview:
Close preview