0
A
回答
1
這不是特別合適,因爲不能在條件分佈中求和條件變量。但是,一個例子可能會有幫助。如果我們假設B
和C
是二元變量並引入變量Z = A or B
。讓我們定義如下聯合分佈上P(A,B,C)
A B C | Z | P(A,B,C)
------+---+----------
0 0 0 | 0 | 0.02
0 0 1 | 1 | 0.22
0 1 0 | 1 | 0.06
0 1 1 | 1 | 0.08
1 0 0 | 0 | 0.18
1 0 1 | 1 | 0.24
1 1 0 | 1 | 0.17
1 1 1 | 1 | 0.03
現在,條件分佈,P(A|Z) = P(A,Z)/P(Z)
的定義。所以,總結而言
P(Z = 0) = 0.02 + 0.18 = 0.20
P(Z = 1) = 0.22 + 0.06 + 0.08 + 0.24 + 0.17 + 0.03 = 0.80
和P(A,Z)
,一旦我們在Z
了兩套條款與Z
保持不變,兩者總和爲1.0調理
A | Z | P(A, Z) | P(A | Z)
--+---+---------+---------
0 | 0 | 0.02 | 0.10
1 | 0 | 0.18 | 0.90
0 | 1 | 0.36 | 0.45
1 | 1 | 0.44 | 0.55
通知。
因此,總之,沒有一種計算P(A|B or C)
的通用方法,您需要查看聯合分佈以計算合適的概率。
相關問題
- 1. 貝葉斯網絡
- 2. 貝葉斯網絡分類
- 3. 設計貝葉斯網絡
- 4. Clojure DAG(貝葉斯網絡)
- 5. 貝葉斯網絡在Matlab
- 6. 實現貝葉斯網絡
- 7. 貝葉斯網絡教程
- 8. 學習貝葉斯網絡
- 9. 貝葉斯網絡澄清
- 10. 貝葉斯網絡多層
- 11. 貝葉斯和神經網絡之間的關係是什麼?
- 12. MATLAB中的貝葉斯網絡
- 13. MATLAB中的貝葉斯網絡錯誤
- 14. 貝葉斯網絡中的推理
- 15. 推斷高斯貝葉斯網絡
- 16. 與Java的貝葉斯網絡的API
- 17. 用於iphone的貝葉斯網絡庫?
- 18. 貝葉斯網絡的混淆矩陣
- 19. 貝葉斯網絡的預測
- 20. 貝葉斯網絡和模糊邏輯
- 21. AIMA實現貝葉斯網絡
- 22. 參考貝葉斯和神經網絡
- 23. 貝葉斯神經網絡:計算Hessian
- 24. 貝葉斯網絡MATLAB工具箱
- 25. 貝葉斯網絡實現與例子
- 26. 人工神經網絡與貝葉斯網絡的區別
- 27. 使用貝葉斯網絡工具箱進行動態貝葉斯網絡推理用於Matlab
- 28. 分類中的實例與貝葉斯網絡
- 29. 在WEKA中使用帶有貝葉斯網絡的FilteredClassifier
- 30. 貝葉斯網絡中的變量消除
你是否正在參加斯坦福大學的ai課程? :-) –
不,我正在瑞典留學:) – adamfinstorp