概率是机器学习中一个非常重要的概念，它帮助我们理解和预测数据中的不确定性。以下是一些概率基础的概念：

1. 事件与样本空间

  • 事件：样本空间中的一部分，可以是一个具体的观察结果，也可以是一组可能的观察结果。
  • 样本空间：所有可能结果的集合。

2. 概率

  • 概率表示某个事件发生的可能性，其值介于0和1之间。
  • 公式：P(A) = 事件A发生的有利结果数 / 所有可能的结果数

3. 条件概率

  • 条件概率表示在某个条件下，某个事件发生的可能性。
  • 公式：P(A|B) = P(A且B) / P(B)

4. 独立事件

  • 如果两个事件的发生互不影响，则称这两个事件是独立的。
  • 公式：P(A且B) = P(A) * P(B)

5. 概率分布

  • 概率分布描述了随机变量所有可能取值的概率。
  • 常见的概率分布有：伯努利分布、二项分布、正态分布等。

相关链接

probability