베이즈 확률에 대한 메모 쓰기
2045 단어 MachineLearningBayes
1. 베이즈 확률에 대해
기계 학습 모델을 확률 모델로 표현하려면 베이지안 추정에 대한 지식이 필요합니다.
우선, 그 의미를 확인한다.
1.1. 확률과 동시 확률
Pr(x)
Pr(x, y)
Pr(x) = \int Pr(x, y) dy
1.2. 조건부 확률
Pr(y|x)
Pr(x, y) = Pr(y|x)Pr(x) \\
Pr(x, y) = Pr(x|y)Pr(y)
1.4 베이즈 확률에 대해
1.3의 조건부 확률을 정의했다.
Pr(x, y) = Pr(y|x)Pr(x) \\
Pr(x, y) = Pr(x|y)Pr(y)
Pr(y|x) = \frac{Pr(x|y)Pr(y)}{Pr(x)}
2. 베이즈 추정
베이즈의 정리를 이용하여 어떤 사건이 발생했을 때의 사건의 변화를 확률적으로 추정하는 것
베이즈 추정의 생각 :
- $Pr(y)$: 이벤트 x가 발생하기 전에 이벤트 y의 확률
(사전 확률, prior probability)
(사후 확률, 조건부 확률, posterior probability, conditional probability)
베이즈 정리를 사용하면 사후 확률 $ P (y | x) $는 다음과 같이 계산할 수 있습니다.
Pr(y|x) = \frac{Pr(x|y)Pr(y)}{Pr(x)}
즉, 이벤트 x에 대한 데이터가 얻어지면이를 반영하여 우도 $ Pr (x | y) $를 찾습니다.
그리고, 구한 우도 $ Pr (x | y) $와 사건 y의 사전 확률로부터 사후 확률을 추정한다.
또한 $ Pr (x) $는 정규화 항목이므로 무시할 수 있습니다.
무엇이 재미 있니?
Reference
이 문제에 관하여(베이즈 확률에 대한 메모 쓰기), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/million_color/items/f14bddc2a76bbbd103c6텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)