k不確定性ppt課件-閱讀頁
2025-05-20 13:47本頁面
【正文】 ? Cavity A B U A ? B 人工智能原理 2022年春季 廣西大學(xué) 計算機學(xué)院 ? 條件概率的定義： P(A | B) = P(A ? B)/P(B) ? 乘法法則 : P(A ? B) = P(A | B) ? P(B) = P(B | A) ? P(A) ? 也可寫為如下形式： P(Weather,Cavity) = P(Weather | Cavity) ? P(Cavity) ? 鏈?zhǔn)椒▌t 可由連續(xù)應(yīng)用乘法法則得到 ： P(X1, …,Xn) = P(X1,...,Xn1) P(Xn | X1,...,Xn1) = P(X1,...,Xn2) P(Xn1 | X1,...,Xn2) P(Xn | X1,...,Xn1) = … = )X...,X|P ( X1i1,n1i |i ???條件概率 人工智能原理 2022年春季 廣西大學(xué) 計算機學(xué)院 貝葉斯法則 Bayes’ Rule ? P(A | B) = (P(B | A) ? P(A)) / P(B) ? P(disease | symptom) = P(symptom | disease) ? P(disease) P(symptom) ? 用于由原因概率得到診斷概率 : – P(Cause|Effect) = P(Effect|Cause) ? P(Cause) / P(Effect) ? Imagine – disease = SARS, symptom = coughing – P(disease | symptom) 對于 SARS來說，流行區(qū)與非流行區(qū)該概率是不一樣的 – P(symptom | disease) 相對是穩(wěn)定的（由病理分析） ? 更容易得到 P(symptom | disease) – P(symptom)如何得到呢 ? ? 使用條件（見下頁） 人工智能原理 2022年春季 廣西大學(xué) 計算機學(xué)院 條件 ? 思想 : 使用條件概率代替聯(lián)合概率 ? P(A) = P(A ? B) + P(A ? ? B) = P(A | B) ? P(B) + P(A | ? B) ? P(? B) 例子： P(symptom) = P(symptom|disease) ? P(disease) + P(symptom| ? disease) ? P(? disease) ? 更一般的 : P(Y) = ?z P(Y|z) ? P(z).
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1