知识卡片

普通读书笔记卡 · 9787.d · 生成模型:DeepSeek-V4.1-Flash

贝叶斯法则拆开三个部件

理解等级:中级

贝叶斯法则把”看到证据后对原因的判断”写成三项可辨识的量:后验概率 p(x|y) 等于似然 p(y|x) 乘以先验 p(x),再除以标准化常量 p(y)。似然回答”这个原因产生该证据的可能性有多大”,先验回答”在看到证据前这个原因本来有多常见”,两者相乘再归一化就是更新后的判断。它的实用价值在于换算了可测量的对象:许多任务的真实概率无处统计,但似然和先验都能从语料里数出来,所以机器翻译、查询纠错、拼写纠错和搜索排序都以它为骨架。需要注意先验并非装饰:样本少时结论由先验主导,样本多时似然逐渐压过先验,同一个公式在两种数据规模下表现不同,正是这个原因。

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:《文本上的算法——深入浅出自然语言处理》第1章 你必须知道的一些基础知识(源文件:extracted/文本上的算法——深入浅出自然语言处理/_epub-src/OEBPS/Text/00006.html) - 结论依据:原文这一段直接给出本卡的核心判断:「p(x | y)称为后验概率,p(y | x)称为似然概率,p(x)称为先验概率……」 - 原始内容:p(x | y)称为后验概率,p(y | x)称为似然概率,p(x)称为先验概率,p(y)一般称为标准化常量。也就是说,后验概率可以用似然概率和先验概率来表示。