通常，事件A在事件B（發生）的條件下的機率，與事件B在事件A（發生）的條件下的機率是不一樣的

然而，這兩者是有確定的關係，貝氏定理就是對這種關係的陳述。

 

其中P(A|B)是在B發生的情況下A發生的可能性。

P(A|B)={\frac {P(B|A)\,P(A)}{P(B)}}
 

以下假定有兩個被動過手腳的硬幣，分別為正面機率為0.38的A硬幣與正面機率為0.56的B硬幣。

一輪投擲100次，投擲100輪的機率分布可以得到以下的分布圖:

透過貝是定理計算得到最佳的Thresholding值為47。

 

 

arrow
arrow
    文章標籤
    ML
    全站熱搜

    Lung-Yu,Tsai 發表在 痞客邦 留言(0) 人氣()

    E-mail轉寄