Как мне решить эту проблему условных вероятностей с MATLAB?

Question

Если P (c _j | x ​​ _i ) уже известно, где i = 1,2, ... n; J = 1,2, ... к;

Как рассчитать / оценить: P (c _j | x ​​ _l , x _m , x _n ) , где j = 1,2, ... K; l, m, n принадлежит http://latex.mathoverflow.net/jsMath/fonts/cmsy10/alpha/120/char32.png {1,2, ... n} ?

Answer 1

РЕДАКТИРОВАТЬ2 (после комментария ОП)

Из правила Байеса мы знаем, что P(C|x1,x2,x3) ~ P(C)*P(x1,x2,x3|C) и, следовательно, для классификации вы вычисляете это выражение для всех C=j и прогнозируете наиболее вероятный класс ( MAP ).

Теперь, чтобы вычислить P(x1,x2,x3|C), для i.i.d наблюдений это можно записать в виде: P(x1,x2,x3|C) = P(x1|C)*P(x2|C)*P(x3|C), при котором для каждой параметрической модели можно легко вычислить.

Answer 2

То, что вы хотите сделать, невозможно без дополнительной информации или упрощения предположений.

Условная вероятность P (A | B, C) не (полностью / вовсе :) не определяется P (A | B) и P (A | C).

Answer 3

Может быть, этот сайт может помочь? Я предполагаю, что вы пытаетесь реализовать правило Байеса в Matlab.