statistics - 理解贝叶斯定理

Question

我正在研究朴素贝叶斯分类器的实现。 Programming Collective Intelligence通过将贝叶斯定理描述为:

Pr(A | B) = Pr(B | A) x Pr(A)/Pr(B)

以及与文档分类相关的特定示例:

Pr(Category | Document) = Pr(Document | Category) x Pr(Category) / Pr(Document)

我希望有人能向我解释这里使用的符号，做什么 Pr(A | B)和 Pr(A)意思？它看起来像某种功能，但是管道(“ |”)是什么意思，等等？

Answer 1

Pr(A | B) = 假设 B 已经发生，A 发生的概率

Pr(A) = A 发生的概率

但以上是关于条件概率的计算。你想要的是一个分类器，它利用这个原理，根据之前的概率判断某事物是否属于某个类别。

见 http://en.wikipedia.org/wiki/Naive_Bayes_classifier一个完整的例子