Если P (C J | х I) уже известны, где = 1,2, ... N; J = 1,2, ... K;Как решить эту проблему условных вероятностей с помощью MATLAB?
Как рассчитать/оценка: P (C J | х л, х м, х п), где J = 1,2, ... K ; l, m, n belongs to http://latex.mathoverflow.net/jsMath/fonts/cmsy10/alpha/120/char32.png {1,2, ... n}?
Возможно, это может помочь site? Я предполагаю, что вы пытаетесь реализовать правило Bayes в Matlab.
EDIT2 (после замечания ФПА в)
Из bayes rule мы знаем, что P(C|x1,x2,x3) ~ P(C)*P(x1,x2,x3|C) и, следовательно, для классификации, то вычислить, что выражение для всех C=j и предсказать наиболее вероятный класс (MAP).
Теперь, чтобы вычислить P(x1,x2,x3|C), для наблюдений i.i.d, это может быть записано как: P(x1,x2,x3|C) = P(x1|C)*P(x2|C)*P(x3|C), которые с учетом параметрической модели могут быть легко вычислены.
Нет, кажется, это не то, что я делаю. 'C_i' обозначает категории, а' X_i' обозначает образцы. Так что мой вопрос состоит в том, как классифицировать разные образцы. – user198729
Учитывая, какие маленькие детали вы делитесь, неудивительно, что и @aduric, и я неправильно поняли вопрос! – Amro
Извините, теперь, когда вы понимаете, что я имею в виду, у вас есть решение? Могу ли я просто использовать ** P (c_j | x_l) * P (c_j | x_m) * P (c_j | x_n) ** для приближения ** P (c_j | x_l, x_m, x_n) ** – user198729
Что вы хотите сделать, невозможно без дополнительной информации или упрощения допущений.
Условная вероятность P (A | B, C) не является (полностью/вообще), определяемой P (A | B) и P (A | C).
, вероятно, лучше на http://mathoverflow.net/ –
Я так не думаю, что они принимают только вопросы математического уровня, и этот вопрос касается реализации. – user198729
Вы хотите сказать "проблема с вероятностью"? –