关于贝叶斯方法在人工智能中的应用，贝叶斯方法这个很多人还不知道，今天菲菲来为大家解答以上的问题，现在让我们一起来看看吧！

1、英国学者T.贝叶斯1763年在《论有关机遇问题的求解》中提出一种归纳推理的理论，后被一些统计学者发展为一种系统的统计推断方法，称为贝叶斯方法。

2、采用这种方法作统计推断所得的全部结果，构成贝叶斯统计的内容。

3、认为贝叶斯方法是唯一合理的统计推断方法的统计学者，组成数理统计学中的贝叶斯学派，其形成可追溯到 20世纪 30 年代。

4、到50～60年代，已发展为一个有影响的学派。

5、时至今日，其影响日益扩大。

6、贝叶斯统计中的两个基本概念是先验分布和后验分布 。

7、①先验分布。

8、总体分布参数θ的一个概率分布。

9、贝叶斯学派的根本观点，是认为在关于总体分布参数θ的任何统计推断问题中，除了使用样本所提供的信息外，还必须规定一个先验分布，它是在进行统计推断时不可缺少的一个要素。

10、他们认为先验分布不必有客观的依据，可以部分地或完全地基于主观信念。

11、②后验分布。

12、根据样本分布和未知参数的先验分布，用概率论中求条件概率分布的方法，求出的在样本已知下，未知参数的条件分布。

13、因为这个分布是在抽样以后才得到的，故称为后验分布。

14、贝叶斯推断方法的关键是任何推断都必须且只须根据后验分布，而不能再涉及样本分布。

本文到此分享完毕，希望对大家有所帮助。