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}

Facebook

Unless otherwise stated, the content of this page is licensed under Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License