贝叶斯分类器学习大纲与应用实例.pptx

贝叶斯算法

贝叶斯分类器学习大纲8月25日：1.初识贝叶斯分类器2.最大似然估计和贝叶斯参数估计9月1日：3.贝叶斯网络与朴素贝叶斯分类器实战9月8日：4.EM算法实战

贝叶斯算法贝叶斯，英国数学家。1702年出生于伦敦，做过神甫。1742年成为英国皇家学会会员。1763年4月7日逝世。贝叶斯在数学方面主要研究概率论。他首先将归纳推理法用于概率论基础理论，并创立了贝叶斯统计理论，对于统计决策函数、统计推断、统计的估算等做出了贡献。

一个医疗诊断问题有两个可选的假设：病人有癌症、病人无癌症可用数据来自化验结果：正+和负-有先验知识：在所有人口中，患病率是0.008对确实有病的患者的化验准确率为98%，对确实无病的患者的化验准确率为97%总结如下P(cancer)=0.008,P(?cancer)=0.992P(+|cancer)=0.98,P(-|cancer)=0.02P(+|?cancer)=0.03,P(-|?cancer)=0.9

问题：假定有一个新病人，化验结果为正，是否应将病人断定为有癌症？求后验概率P(cancer|+)和P(?cancer|+)

贝叶斯定理解决上面的问题：已知某条件概率，如何得到两个事件交换后的概率，也就是在已知P(A|B)的情况下如何求得P(B|A)。癌症诊断正确诊断正确癌症

贝叶斯定理这里先解释什么是条件概率在事情B发生的条