知识卡片
贝叶斯更新
贝叶斯法则把先验信念、似然证据和后验结论连接起来。它的价值在于可增量修正:新数据不是推翻系统,而是按证据强度重新分配可信度。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第12章 不确定性的量化
- · 全书主线
原书出处 · 1 处
- 不确定性的量化 12.5 贝叶斯法则及其应用 · 查看原书依据
这个公式叫作贝叶斯法则(Bayes’s rule,也叫贝叶斯定律或贝叶斯定理)。这个简单的公式是大多数现代人工智能系统概率推断的基础。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第12章《不确定性的量化》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0031_split_005.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:贝叶斯法则把先验信念、似然证据和后验结论连接起来。原文从「12.5 贝叶斯法则及其应用」处给出对应机制与依据,支撑本卡结论。
- 原始内容:这个公式叫作贝叶斯法则(Bayes’s rule,也叫贝叶斯定律或贝叶斯定理)。这个简单的公式是大多数现代人工智能系统概率推断的基础。