贝叶斯公式

  • A+
所属分类:数据科学 机器学习

 

作用

我们知道事件发生的概率,但并不准确。如果我们了解了一部分条件知识,可以通过贝叶斯公式(Bayes' theorem Bayes' law or Bayes' rule)计算出更加准确的事件发生的概率。

笔者用Wiki上的例子做说明:一个工厂生产ABC三种产品,生产比例分别为0.2、0.3、0.5。其出现次品的概率分别为0.05、0.03、0.01。如果我们随机取出一件产品,那么其属于A的概率是0.5,这就是笔者前边提到的并不准确的概率。如果我们知道这件产品是一件次品(了解了一部分条件知识),那么利用贝叶斯公式的计算,其属于产品A的概率就会变为5/24(计算方式下面会提到)。这就是贝叶斯公式的作用。

公式

贝叶斯公式

P(A)被成为先验概率,即例子中随机取出一件产品其属于C的概率。

P(A|B)为后验概率,即获得条件知识后计算出的概率,例子中的5/24。

例子的计算过程参考Wiki:

贝叶斯公式

LTXU
  • 版权声明:本站原创文章,于2019年5月2日18:50:01,由 发表,共 382 字。
  • 转载请注明:贝叶斯公式 | AICSDN

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: