← 返回卡片

原书出处

数据科学与大数据分析 数据的发现 分析 可视化与表示

07 第7章 高级分析理论与方法:分类

第1版 · 核验版本的摘录快照 · 导入于 2026-11-18T18:41:59.829Z

(7.10) 根据贝叶斯定理,在Mary有一个阳性测试结果的情况下患有疾病的可能性如公式7.11所示。 (7.11)

这意味在得到阳性测试结果的情况下,Mary真正患病的概率只有13.79%。这一结果表明实验室测试并不那么有效。当病人来看医生之前,他患有疾病的概率为1%,当看完医生之后,患病的概率为13.79%,这表明需要进一步测试。

贝叶斯定理的一种更通用的形式给一个具有多个属性A ={a 1 , a 2 ,…,am }的对象分配一个分类标签,使得标

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/数据科学与大数据分析 数据的发现 分析 可视化与表示/_epub-src/text/part0017_split_002.html

EPUB SHA-256:e4a4df0364edbfdf609c07ab4449f2148ede4291cdfba8b2a6ffdc51e7b6c9b7