机器学习(基于python数学基础)——概率统计篇(一)全概率与贝叶斯公式
【注】学习本篇前最好一定的数学基础,即学习过概率论与数理统计这个问题是求全概率的,在这里我们给它加上一问求:取得正品且是甲厂生产的概率。import numpy as npH = np.array([1/2, 3/10, 2/10])# 完备事件组概率C = np.array([9/10, 14/15, 19/20])# 条件概率h = np.array(1/2)c = np.array(9/10
·
【注】学习本篇前最好一定的数学基础,即学习过概率论与数理统计
这个问题是求全概率的,在这里我们给它加上一问求:取得正品且是甲厂生产的概率。
import numpy as np
H = np.array([1/2, 3/10, 2/10]) # 完备事件组概率
C = np.array([9/10, 14/15, 19/20]) # 条件概率
h = np.array(1/2)
c = np.array(9/10)
# 全概率公式
def quangailv(H, C):
return (H * C).sum()
# 贝叶斯公式
def beiyesi(h, c, quangailv):
x = h*c
y = quangailv(H,C)
return x/y
print(quangailv(H, C))
print(beiyesi(h, c, quangailv))
输出结果为:
更多推荐
所有评论(0)