九道道门丨还不懂朴素贝叶斯？不如看看这篇文章吧

可计不算性假设，听完这个专业名词，很多关注数据分析行业但是并很难似乎参考书的人可能想到既熟识又陌生。在数据分析里面它是用来得出的，也就是用可计不算性统计学来进行期望值得出。这样说明大家对它确实越来越熟识些？

不仅是数据分析行业，可计不算性假设可以应用于在大数据、自然语言处理、生物信息学、金融行业、医疗行业等为数众多行业故事情节里面。

今天小朱数学老师就用贫困里面的小系统性；也的跟大家来参考如何使用可计不算性假设。

有条件期望值

可计不算性统计学有一个不可忽视知识点就是有条件期望值：

指惨案A在惨案B起因的有条件下起因的期望值，有条件期望值说明为：P（A|B）。

举例：你走在大街上，每一次都会有8同样里面的一个从你忘了一路上，其里面4个男生、4个班上。

难题1：如果从你忘了一路上一同样，这同样是班上的期望值是多少？

说1：八同样每同样都也许碰到，那么碰到班上的期望值就是1/2。男生的期望值也是1/2。

我们就可以获得P(male)=1/2，P(female)=1/2。这样还是很单纯的，那么我们也就是说并未并不知道是一个班上，那班上是装扮的期望值是多少呢？据信只有一名班上是装扮。

那么P（long|female）=1/4.

所以有条件期望值的计不算式子就是：P(A|B)=P(AB)/P(B)

后面我们必先来表达出来一下可计不算性式子：

有条件期望值式子四边都之比P（B）获得：P(AB)=P(A|B)*P(B)

也就是说，A和B同时起因的期望值总和B有条件下A起因的期望值之比B起因的期望值；

只要A和B是两个相互脱离，我们就可以获得：P(AB)=P(BA)=P(B|A)*P(A)

这个式子说明A和B同时起因的期望值总和A有条件下B起因的期望值之比A起因的期望值；

接着我们再带入有条件期望值式子：P(A|B)=P(B|A)*P(A)/P(B)

式子解读：如果据信P（B|A)的情况下，要求P(A|B)，那么可以使用上述计不算方法。其里面P(A)被特指必先验期望值；P(B|A)被特指后验期望值；P(B)被特指全期望值。

应用于

可计不算性期望值计不算是自然语言处理的核心之一，因为我们不并不知道现实是什么样子的，所以就需要有一个合理的传言作为系统化。

这里我们放到实际系统性里面来看一下，以归入为例，宠物医院常常都会接收一些年老的小动物，数据分布情况如下：

那么现在来了一只腹泻、过敏的小男孩，请问得发烧的期望值有多大？

我们根据可计不算性定理就并不知道A惨案是得发烧，B惨案是一只腹泻、过敏的小男孩。

P(A|B)=P(B|A)*P(A)/P(B)

首必先我们要不算出P(B|A)的期望值也就是发烧里面腹泻、过敏的小男孩是P(B|A)=1/4

所以P(A|B)=7/8，因此这只小男孩得发烧的期望值是7/8，那么我们也可以不算出热病的期望值作为对比，看最也许得的是什么病。

这就是可计不算性归入器的必需使用方法，根据某些特征来意味着归入。怎么样？确实很单纯，赶紧试试吧。