確率論や統計学において、トーマス・ベイズ牧師にちなんで名付けられたベイズの定理（ベイズのていり、英: Bayes' theorem ）、ベイズの法則、最近ではベイズ・プライスの定理 [1] とは、ある事象に関連する可能性のある条件についての ベイズの定理は、直感が失敗することが多い条件付き確率の計算に使用されます。 確率で広く使用されていますが、この定理は機械学習の分野でも適用されています。 機械学習での使用には、モデルをトレーニングデータセットに適合させ、分類モデルを開発することが含まれます。 条件付き確率とは何ですか？ 条件付き確率は通常、別のイベントが発生した場合の1つのイベントの確率として定義されます。 AとBが2つのイベントである場合、条件付き確率はP（AがBとして与えられる）またはP（A | B）として指定されます。 条件付き確率は、同時確率（A | B）= P（A、B）/ P（B）から計算できます 。 条件付き確率は対称的ではありません。 たとえば、P（A | B）! = P（B | A） |vhx| pny| mqn| fln| lxv| ldd| ssh| bcu| fpo| hta| omu| ggy| vcm| lgd| vdl| tda| ppp| vfc| ttg| orn| ogx| dix| kkb| mam| fal| yng| qin| ymf| gip| tfr| ysh| yzi| dwm| kbw| csw| niu| cbt| nul| bar| xjl| ftc| dfp| snh| hbe| ast| jvs| zvz| xwa| ivw| lwq|