文档介绍：贝叶斯方法
贝叶斯分类器是一种比较有潜力的数据挖掘工具，它本质上是一种分类手段，但是它的优势不仅仅在于高分类准确率，更重要的是，它会通过训练集学习一个因果关系图（有向无环图）。如在医学领域，贝叶斯分类器可以辅助医生判断病情，并给出各症状影贝叶斯统计的主要特点是使用先验分布，经典统计学是基于总体信息（即总体
分布或总体所属分布族的信息）和样本信息（即从总体抽取的样本的信息）进行的统计推断，而贝叶斯统计是基于总体信息、样本信息和先验信息（即在抽样之前有关统计问题的一些信息，主要来源于经验或历史资料）进行的统计推断。贝叶斯统计是贝叶斯理论和方法的应用之一。
其基本思想是:假定对所研究的对象在抽样前己有一定的认识，常用先验（Prior）分布来描述这种认识，然后基于抽取的样本再对先验认识作修正，得到后验分布，而各种统计推断都基于后验分布进行。经典统计学的出发点是根据样本，在一定的统计模型下做出统计推断。在取得样本观测值X之前，往往对参数统计模型中的参数。有某些先验知识，关于的先验知识的数学描述就是先验分布。贝叶斯统计的主要特点是使用先验分布，经典统计学是基于总体信息（即总体分布或总体所属分布族的信息）和样本信息（即从总体抽取的样本的信息）进行的统计推断，而贝叶斯统计是基于总体信息、样本信息和先验信息（即在抽样之前有关统计问题的一些信息，主要来源于经验或历史资料）进行的统计推断。贝叶斯统计是贝叶斯理论和方法的应用之一。其基本思想是:假定对所研究的对象在抽样前己有一定的认识，常用先验（Prior）分布来描述这种认识，然后基于抽取的样本再对先验认识作修正，得到后验分布，而各种统计推断都基于后验分布进行。经典统计学的出发点是根据样本，在一定的统计模型下做出统计推断。在取得样本观测值X之前，往往对参数统计模型中的参数
而在得到样本观测[迂X=（尽‘芯n]IIn乂）后有某些先验知识，关于的先验知识的数学描述就是先验分布。贝叶斯统计的主要特点是使用先验分布，贝叶斯定理既适用于离散型随机变量，也适用于连续型随机变量，它形成了贝叶斯统计的基本原理和统计思想。
若禺』誌||
-X
U3二。
7=1
AA）>o?i=iz|||
乜⑷-芻）-他弘恂
+乂
其中玖小£卩（民）卩（虫爲）：即全概率公式.
设事件A、B为试验E的两事件，由于A和B是一个完备件组，"且｝>||、P\.B\>\\,戸R>»|•一I—二三三一匕三三h单形式
为
P(B\A)=
P(B)P(A\B^P(B)P(a\B)
式（2-1）是离散型变量的贝叶斯公式。它实际上可以看作是从先验概率到后验概率的转换公式，即是一个“由果求因”公式。这与全概
率公式不同，全概率公式是“由因求果”公式。由于贝叶斯统计集先
验信息、样本信息和总体信息于一身，更贴近实际问题，并且由于在处理小样本问题时有其独特的优点。事件形式的条件贝叶斯公式：在已有的贝叶斯公式的定义下，事件C条件下，
P（即①恥心冲C）
我们的任务是要对未知数作出统计推断。在没有样本信息时，人们只能据先验分布对未知数作出推断。在有样本观察值y…山:」二二我们应该依据h8UL三二三H二士隹士—&十〒—送可得到；】:二总1二二：“二「:：:?'：■它的计