目录Python全系列 教程
3567个小节阅读：5931.9k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本，未来主流的版本
人工智能 教程
顺势而为，AI创新未来
大厂算法 教程
算法，程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
贝叶斯定理（Bayes Theorem）也称贝叶斯公式，是关于随机事件的条件概率的定理
定理内容：
如果随机事件A~1~,A~2~,...,A~n~构成样本空间的一个划分（不重、不漏），且都有正概率，则
对任何一个事件B（P(B)>0），有
提示：
贝叶斯定理是“由果溯因”的推断，所以计算的是"后验概率"
举例说明：
据天气预报预测，今日下雨(事件A)的概率为50%——P(A)；
堵车（事件B）的概率是80%——P（B）
如果下雨，堵车的概率是95%——P(B|A)
计算：如果放眼望去，已经堵车了，下雨的概率是多少？
根据贝叶斯定理：P(A|B)=0.5x0.95÷0.8=0.59375
重要前提条件：
一定要“朴素”—— 样本的各特征之间相互独立
对于待分类样本，在此待分类样本出现的条件下（也就是样本各个特征已知），计算
各个类别出现的概率，哪个最大就认为此样本属于哪个类别
详细过程
对于第三步的详细计算：
1. 关于贝叶斯定理，下列说法正确的是:
A 计算过程中某个事件的概率可以为0
B 是关于随机事件的条件概率的定理
C 计算的是"先验概率"
D 以上说法均不正确
2. 关于朴素贝叶斯算法，下列说法正确的是:
A 前提条件是样本的各特征之间相互独立
B 忽略样本各个特征，直接计算样本所属的类别概率
C 哪个类别的概率最小就认为此样本属于哪个类别
D 以上说法均不正确
1=>B 2=>A
