知识卡片

问题卡 · 9445.f · 生成模型:Tencent Hunyuan Hy

先验后验混淆误判

理解等级:中级

疾病检测案例是典型的先验后验混淆陷阱:某病在人群中感染率仅0.1%,检测准确率99%(患病者检出阳性概率99%,健康者检出正常概率99%)。随机抽一人检测为阳性,很多人脱口而出“99%”,但真实患病概率只有约9%。原因在于P(B|A)=99%表示“已患病时测出阳性”,而题目问的是P(A|B)=“已知阳性时患病”,二者方向相反,不能混为一谈。低患病率使假阳性在阳性结果中占比很高,因此需复诊引入新信息才能确诊。用途是识别医学检测、风控告警等场景中的基率谬误;边界是计算依赖准确的先验患病率。启发:看到高准确率别急着下结论,先问基数与条件方向。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第6章《垃圾邮件克星:朴素贝叶斯算法》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00011.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:原文用“但真实的得病概率其实远低于此,原因在于很多读者将先验概率和后验概率搞混了”点破误区,并给出P(B|A)=99%与P(A|B)=9%的对比,说明混淆二者会导致错误判断。 - 原始内容:也许很多读者都会脱口而出是“99%”。但真实的得病概率其实远低于此,原因在于很多读者将先验概率和后验概率搞混了。如果用A表示这个人患有该疾病,用B表示医院检测的结果是阳性