machine-learning - 使用贝叶斯规则估计概率？

Question

我正在写一份过去的试卷。我得到一个数据集如下：

头发 {brown, red} = {B,R}，Height {tall, short} = {T,S} 和 Country {UK, Italy} = {U,I}

(B,T,U) (B,T,U) (B,T,I)

(R,T,U) (R,T,U) (B,T,I)

(R,T,U) {R,T,U) (B,T,I)

(R,S,U) (R,S,U) (R,S,I)

问题：估计概率 P(B,T|U), P(B|U), P(T|U), P(U) 和 P(I)

正如问题所估计的那样，我猜我不需要计算任何值。是否只是将 P(B,T|U) 在整个数据集中出现的次数相加，例如 (2/12) = 16%。

那么P（U）的概率是否为0？

Answer 1

我不这么认为。在您的 12 条记录中，有 8 条来自英国。所以 P(U) 应该是 8/12 = 2/3 ~= .66

贝叶斯定理是 P(A|B) = P(B|A)P(A)/P(B) ，您需要估计其中的一些概率。