贝叶斯

2017年10月25日下午，数理统计学部教学研讨活动在实验楼312如期开展，本次活动由学部主任朱少平教授主持，数理统计学部全体教师参加。 研讨活动中，孙学英老师针对贝叶斯统计推断，诠释了概率学派与贝叶斯学派的区别，用通俗易懂的方式讲解了贝叶斯统计学知识，在给出贝叶斯公式的基础上，深入浅出地介绍了贝叶斯公式的主要应用领域以及贝叶斯统计推断等内容。结合孙老师的讲解，参会教师围绕先验概率的确定、后验概率的计算等难点问题展开了激烈的讨论，整场活动主题鲜明、内涵丰富，在促进教学改革，提升教学质量，培育学术气氛，增强学部的凝聚力方面发挥了重要的引导作用

朴素贝叶斯（native Bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。 对于给定的训练集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对于给定的输入$$x $$，利用贝叶斯定理求出后验概率最大的输出$$y$$。 朴素贝叶斯法通过对给定的输入$$x$$，通过学习到的模型计算后验概率分布$$P(Y=c_k|X=x)$$，然后将后验概率最大的类作为$$x $$的输出