پنج شنبه 26 مهر 1397 | Thursday 18 th of October 2018 صفحه اصلی گروه الکترونیکی کامپیوتر
3-2-1 تئوری بیز

فرض کنیم Xیک نمونه داده باشد که برچسب کلاس ان نامشخص است و Hاین فرض باشد که نمونه داده ی Xمتعلق به کلاس Cاست. ما در کلاسه بندی، به دنبال P(H|X)هستیم. یعنی احتمال درستی فرض Hبه شرط مشاهده ی داده ی اموزشی X. P(H|X)احتمال پسین Hنام دارد. بدین علت که بیانگر اطمینان ما از فرض H  پس از مشاهده داده‌ی Xمی‌باشد.

     از P(H)برای بیان احتمال اولیه‌ای که فرض Hدرست است استفاده می‌کنیم، پیش از انکه داده‌های اموزشی را دیده باشیم. P(H)را عموماً احتمال پیشین می‌نامند و بیانگر هر دانش پیشینی می‌باشد که در مورد شانس درستی فرض Hسخن می‌گوید. اگر هیچ دانش اولیه‌ای از مفروضات نداشته باشیم می‌توانیم یک احتمال یکسان به کل فضای مفروضات Hاختصاص دهیم. به طور مشابه از P(X)برای بیان احتمال پیشین که داده‌ی Xمشاهده می‌شود استفاده می‌کنیم (به عبارت دیگر احتمال مشاهده Xبه شرط اینکه هیچ دانشی در مورد درستی مفروضات موجود نباشد). همچنین از P(X|H)برای بیان احتمال Xدر دنیایی که فرضHصادق است استفاده می‌کنیم .

     قضیه بیز اصلی‌ترین سنگ بنای یادگیری بیزی می‌باشد، زیرا روشی برای محاسبه احتمال پسین P(H|X)  را از احتمال پیشین P(H)به همراه P(X)و P(X|H)فراهم می‌اورد .

                                                  

Compatability by:
آخرین به روز رسانی سایت: سه شنبه, 22 اسفند 1391 - 00:26