Machine learning 贝叶斯学习-映射映射

假设我有一组hypotesys H={h1，h2}互斥。对于它们，P（h1）=0.2，P（h3）=0.3（先验分布）。 假设我们也知道

p（Y=0 | h1）=0.2 P（Y=0 | h2）=0.4

其中Y是一个属性（目标），可以有两个值{1,0}。 最后假设您观察到事件Y=0

哪一个是地图（最大后验概率）hipotesys

• 地图是h1
• 地图是h2
• 没有足够的元素来查找地图
• 映射h1=映射h2
• 没有人知道上面可能的答案

---

应在math.stackexchange.com或stats.stackexchange.com上询问（现在可能已迁移）此类问题

你的问题是这个问题的基本应用

---

因此，

h2

是更可能的假设，因为

p（Y=0）>0

这个问题似乎离题了，因为它是关于数学，而不是编程的。@larsmans你是对的，但我正在为计算机科学课程的考试而紧张，我想这里的人可能知道答案。你能帮我吗？谢谢。我也在math.stackexchange.com上问了这个问题，但没有人给我答案。我有另一个例子：如果不知道P（Y=0 | h1）=0.2p（Y=0 | h2）=0.4，我有P（Y=1 | h1）=0.2p（Y=0 | h2）=0.4，结果会改变，地图缩影变为h1右（P（h1 | Y=0）=0.16和P（h2 Y=0）=0.12）？最后一个问题：如果我理解得很好，先验概率之和不必是1。是吗？如果你有

P（Y=1 | h1）

并且知道

Y

只取两个值，那么

P（Y=0 | h1）=1-P（Y=1 | h1）

，计算是类似的。在可能的事件中，优先级总和为

1

，其中事件是

{h1和h2，h1和不是h2，不是h1和h2，无}

，这显然不是仅仅知道

P（h1）

和

P（h2）

，但由于它们是相互排斥的，你有

P（h1）+P（h2）+P（不是h1，不是h2）=1

              P(Y=0|h1)P(h1)    0.2*0.2    0.04
P(h1|Y=0) =   -------------   = ------- = ------
                  P(Y=0)         P(Y=0)   P(Y=0)

              P(Y=0|h2)P(h2)    0.3*0.4    0.12
P(h2|Y=0) =   --------------  = ------- = ------
                  P(Y=0)         P(Y=0)   P(Y=0)