- 2019-01-28老师的数学理论和实战能力一定很强(✪▽✪)，思考题：1.出轨，对应隐变量，则出轨的概率根据经验得到，为先验概率；2.暧昧短信的出现为观测变量，在出轨的条件下，求出现暧昧短信的概率，即在隐变量的条件下，计算对应观测变量的概率，此为条件概率；3.在出现暧昧短信的条件下，求出轨的概率，即在观测变量的条件下，计算对应隐变量的概率，此为后验概率，然而后验概率属于条件概率中的一种。
编辑回复: 谢谢认可，关于三个问题对应的概率解释的不错。
24 
2019-02-02答案依次是：
1、先验概率，以经验进行判断。
2、后验概率，以结果进行判断。
3、条件概率，在某种条件下，发生结果的概率。编辑回复: 分析的正确，顺序应该如下
1、先验概率，以经验进行判断。
2、条件概率，在某种条件下，发生结果的概率。
3、后验概率，以结果进行判断。 3 16
2019-01-28在朴素贝叶斯中，我们要统计的是属性的条件概率，也就是假设取出来的是白色的棋子，那么它属于盒子 A 的概率是 2/3。
这个我算的是3/5，跟老师的不一样，老师可以给一下详细步骤吗编辑回复: 不少同学都遇到了这个问题，我来统一解答下。
这里我们需要运用贝叶斯公式（我在文章中也给出了），即：
P(Bi|A)=P(Bi)P(A|Bi) / (P(B1)*P(A|B1)+P(B2)*P(A|B2))
假设A代表白棋子，B1代表A盒，B2代表B盒。带入贝叶斯公式，我们可以得到：
P(B1|A)=P(B1)P(A|B1) / (P(B1)*P(A|B1)+P(B2)*P(A|B2))=(4/7 * 1/2) / ( 4/7 * 1/2 + 3/7 * 1/3) = 2/3
其中P(B1)代表A盒的概率，7个棋子，A盒有4个，所以P(B1)=4/7。
P(B2)代表B盒的概率，7个棋子，B盒有3个，所以P(B2)=3/7。
最终求得取出来的是白色的棋子，那么它属于 A盒的概率P(B1|A)= 2/3。 15
2019-02-04检查出为阳性患有贝叶死和没有患有贝叶死这两个公式不好理解，希望能详细解释，没看懂编辑回复: 我们假设：A表示 测出为阳性，B1表示患有贝叶死，B2表示没有患贝叶死。
检查出为阳性患有贝叶死
检查出阳性&患有贝叶死的概率，实际上是联合概率，也就是同时符合这两个条件的概率，我们用P(B1, A)代表。
那联合概率和条件概率是什么关系呢？实际上有个公式：
P(X=a|Y=b) = P(X=a, Y=b) / P(Y=b)
这个公式告诉我们，如果想要求Y=b的条件下X=a的概率，等于我们知道同时符合 X=a和Y=b的概率，除以Y=b的概率。
因此你可以得出P(X=a, Y=b) = P(X=a|Y=b) * P(Y=b)
同样，带入我们想求的P(B1, A) = P(A, B1) = P(B1) * P(A|B1)
这个公式如果理解了，我在文章中计算了P(A|B1)=99.9%，P(B1)=0.01%，带入求得 0.01% * 99.9% = 0.00999%
同理，你也可以知道检查出阳性&没有患有贝叶死的概率，也就是P(B2, A)，原理和P(B1, A)是一样的。
上面统计的是联合概率。如果是条件概率，比如P(B1|A)代表的是，在检查为阳性的情况下，患有贝叶死的概率。 7
2019-01-291，第一个概率是先验概率，可以理解为是根据经验统计得到的（【出轨】与【未出轨】可以理解成是类别）
2，第二个是条件概率，可以理解是在【出轨】类别的情况下，【有暧昧短信】的概率。
3，第三个是后验概率，可以理解是在【有暧昧短信】的情况下，是【出轨】类别的概率，这个就是贝叶斯算法要解决的问题。可以这么计算:
P(【出轨】|【有暧昧短信】) = P【出轨】*P（【有暧昧短信】|【出轨】）/( P【出轨】*P（【有暧昧短信】|【出轨】） + P【未出轨】*P（【有暧昧短信】|【未出轨】）) 7
2019-03-091.离散型变量可以直接计算概率，连续型变量需要看成正态分布，然后计算期望和标准差，来计算概率。
2.你在没有任何情况下，出轨的概率 是先验概率
如果你出轨了，那么你的手机里有暧昧短信的概率。是后验概率 也是 条件概率
在你的手机里发现了暧昧短信，认为你出轨的概率。是条件概率作者回复: 很好的总结
5
2019-02-241. 再取出是白棋的条件下，该白棋来自于A盒的概率为A2/3的计算。思路是取出的是白棋已经是事实了，这时候可以排除黑棋干扰，A盒2个白棋，B盒1个白棋，那么来自A盒的概率自然为2/3.
贝叶斯公式计算：P(A | 白) = P(白 | A)P(A)/{P(白 | A)P(A) + P(白 | B)P(B)}=(1/2)*(4/7)/{(1/2)*(4/7)+(1/3)*(3/7)} = 2/3. P(A)的含义是，在无论取出什么颜色的棋子，来自A盒的概率值，即4/7
2.”在检查出阳性的情况下，患病的可能性“ 反而小于 “在检查出阳性的情况下，不患病的可能性”，和我们平时去医院体检，检查出xx呈阳性，就知道我们大概率患了xx疾病，感觉例子和现实是两个概念啊。是不是因为这个例子中，检测发生错误的概率（0.1%）远高于患病发生的概率（0.01%）的原因导致。
而且P(B1 | A)=0.01/（0.01+0.1）和P(B2 | A)=0.1/（0.01+0.1）的计算式，前面也应该是约等于吧，毕竟计算的时候将99.9%和99.99%做近似处理了，可以套用贝叶斯公式反推看看。展开 3
2019-03-061. 离散变量可以直接求出概率，从而计算条件概率。连续变量需要假设密度函数（例如正态分布），然后通过带入值算出某一点的密度函数值。
2. 1）先验概率 2）后验概率 3）条件概率 2
2019-07-09四个基础知识：
先验概率：经验推测。
条件概率：在某条件下，另一件事发生的概率。
后验概率：在事情已经发生后，推测原因。
拟然函数：关于统计参数的函数。作者回复: Good 总结的不错
1
2019-05-291、你在没有任何情况下，出轨的概率；（先验概率）
2、在你的手机里发现了暧昧短信，认为你出轨的概率。（条件概率）
3、如果你出轨了，那么你的手机里有暧昧短信的概率；（后验概率）
对应到贝叶斯案例
1、假设有一种病叫做“贝叶死”，它的发病率是万分之一，
2、现有一种测试可以检验一个人是否得病的准确率是 99.9%，它的误报率是 0.1%
3、那么现在的问题是，如果一个人被查出来患有“叶贝死”，实际上患有的可能性有多大？展开作者回复: 2、现有一种测试可以检验一个人是否得病的准确率是 99.9%，它的误报率是 0.1%。这个不是条件概率。其他都正确
1 1
2019-03-24贝叶斯分类本质就是计算每一个分类的概率，概率大的就是结果，在已知身高体重鞋码的情况下，判断男女的概率分别是多少。贝叶斯是一种后验概率，计算的时候是通过先验概率计算的，而先验概率是通过训练集计算的。 1
2019-02-16个人认为思考题里，暧昧短信是一个特征，而出轨是目标值。所以区分先验概率后验概率的标准应该是是否出轨。1）任何情况下的出轨概率是一个不存在前提条件的目标概率，所以是先验概率；2）出轨的前提下，说明目标值已发生，因此考察的是目标值发生下的某个特征值的概率，所以是后验概率；3）发现暧昧短信前提下出轨的概率，是在满足某个特征值条件下的目标值概率，因此应该是条件概率。不知道我的理解是否准确？ 1
2019-02-05这里如果把 是否有暧昧短信视为原因 是否出轨视为结果
1. 先验概率
2. 后验概率 (因为说明了如果出轨了 问有暧昧短信的概率) 跟原文中的后验概率的原理一样 "发生结果之后，推测原因的概率"
3. 条件概率
另外对于朴素贝叶斯开头那里的例子
"在朴素贝叶斯中，我们要统计的是属性的条件概率，也就是假设取出来的是白色的棋子，那么它属于盒子 A 的概率是 2/3."
2/3是怎么算的呢 我也是算出3/5展开 1
2019-01-30第一个问题：离散数据可以方便计算出分类概率和条件概率，然后代入公式。但连续数据因为变量是连续的，不能采用离线的方法计算概率，这就需要根据数据具体的特点转化成特定的函数，用函数的特点计算
第二个问题：先验概率、后验概率、条件概率编辑回复: 正确，计算了K折交叉验证的准确率，同时也给出了决策树的可视化。
1
2019-01-29依次是：先验概率，后验概率，条件概率 1
2019-01-29从连续到离散的转化就相当于是降维的过程。 1
2019-11-12作业：
1. 先验概率，依据经验判断
2. 条件概率，在出轨的条件下，出现暧昧短信的概率
3. 后验概率，以暧昧短信出现的结果，判断出轨的概率作者回复: 对的 正确
2019-11-02似然函数里面什么叫均匀的可能。。。
2019-10-24看到实例的时候，想不起朴素贝叶斯在训练分类器的时候，是训练了什么，于是返回来再看一下。
训练分类器，是根据训练样本，计算各类别的先验概率，各种类别下的条件概率，然后面对测试样本时，就可以根据特征值，及训练出的各种概率，假定各特征值之间相互独立（那么选择特征值的时候就要注意这一点吧），来计算属于各个类别的概率，比较取最大值；
连续变量，则是假定各类别服从正态分布，训练时计算各类别下各特征值的均值和方差，可得其概率密度函数，针对测试样本，将特征值带入训练好的函数，计算概率，获得各类别的概率，取最大值。作者回复: 总结的不错
- 2019-10-20第一题，离散型变量，可以直接根据样本计算概率；连续型变量，则需要先假设样本呢符合正态分布，根据样本计算出概率分布（均值和方差），然后使用概率分布计算连续性变量的各种概率
第二题，1，先验概率；2，后验概率；3，条件概率作者回复: 正确