HyperAIHyperAI

Command Palette

Search for a command to run...

Klassenbedingte Wahrscheinlichkeit

Datum

vor 6 Jahren

Definition

Angenommen, x ist eine kontinuierliche Zufallsvariable, deren Verteilung vom Kategoriezustand abhängt und in der Form p(x|ω) ausgedrückt wird. Dies ist die Funktion der „klassenbedingten Wahrscheinlichkeit“, d. h. die Wahrscheinlichkeitsfunktion von x, wenn der Kategoriezustand ω ist.

Die klassenbedingte Wahrscheinlichkeitsfunktion $latex P\left(X | w_{i}\right) $ bezieht sich auf die Wahrscheinlichkeitsdichte des Auftretens des Eigenwerts X im Merkmalsraum einer bekannten Klasse, die sich darauf bezieht, wie das Attribut X in der $latex w_{i}$-Klasse von Stichproben verteilt ist.

Der Unterschied zwischen verwandten Konzepten

$latex P\left(X | w_{1}\right) $ 、 $latex P\left(X | w_{2}\right) $ 、 $latex P\left( w_{1} | X\right) $ 、 $latex P\left( w_{2} |

$latex P\left(X | w_{1}\right) $ und $latex P\left(X | w_{2}\right) $ sind die Wahrscheinlichkeiten für das Eintreten von $latex w_{1} $ und $latex w_{2} $ unter derselben Bedingung X. Wenn $latex P\left(X | w_{1}\right) $ > $latex P\left(X | w_{2}\right) $ , dann können wir schlussfolgern, dass unter Bedingung X die Wahrscheinlichkeit für das Eintreten des Ereignisses $latex w_{1}$ größer ist als die für das Ereignis $latex w_{2} $.

$latex P\left( w_{1} | X\right) $ und $latex P\left( w_{2} | X\right) $ beziehen sich beide auf die Wahrscheinlichkeit des Auftretens von X unter ihren jeweiligen Bedingungen. Zwischen den beiden besteht kein Zusammenhang und ein Vergleich der beiden ist sinnlos. $latex P\left( w_{1} | X\right) $ und $latex P\left( w_{2} | X\right) $ sind Probleme, die unter unterschiedlichen Bedingungen diskutiert werden, auch wenn es nur zwei Typen gibt $latex w_{i}$ und $latex w_{i}$, $latex P\left( w_{1} | X\right) $ + $latex P\left( w_{2} | X\right) $ ≠1. Nur weil $latex P\left( w_{1} | X\right) $ größer ist als $latex P\left( w_{2} | X\right) $ , heißt das nicht, dass es wahrscheinlicher ist, dass X ein erstklassiges Ding ist. Nur durch Berücksichtigung des Faktors der A-priori-Wahrscheinlichkeit können wir bestimmen, ob es unter Bedingung X wahrscheinlicher ist, dass es als $latex w_{i}$ oder $latex w_{i}$ beurteilt wird. (Siehe: Bayes-Formel)

KI mit KI entwickeln

Von der Idee bis zum Start — beschleunigen Sie Ihre KI-Entwicklung mit kostenlosem KI-Co-Coding, sofort einsatzbereiter Umgebung und den besten GPU-Preisen.

KI-Co-Coding
Sofort einsatzbereit GPUs
Beste Preise
Jetzt starten

Hyper Newsletters

Abonnieren Sie unsere neuesten Updates
Wir werden die neuesten Updates der Woche in Ihren Posteingang liefern um neun Uhr jeden Montagmorgen
Unterstützt von MailChimp
Klassenbedingte Wahrscheinlichkeit | Wiki | HyperAI