机器学习工程师--隐马尔科夫链应用和主题模型

一：贝叶斯网络

经典贝叶斯公式的理解：

• P(A|B)=P(A,B)/P(B) 在B的条件下，A发生的概率等于，AB的联合概率除以B的先验概率。
• P(B|A)=P(B,A)/P(A) 在A的条件下，B发生的概率等于，AB的联合概率除以A的先验概率。
• 有 P(A,B) = P(B,A) 联合概率相等，就是A，B两个圆的交集。
• 那么，P(A|B) = P(B|A) * P(A)/P(B) 这样，就能交换条件概率的条件了。通常发生在B条件不好求，但是A好求的情况下。

朴素贝叶斯：

• 一个 x = {a1,a2,a3...am}为一个待分类的项，a是x的属性。那么，我就想通过x的这些属性，把x分一个类。
• 类别这里有~~~ y={y1,y2...yn} 好了，问题转变成了 当x有这些属性时，x应该是哪一类。
• 问题又变成了，在x有这些属性的条件下，