知识卡片

普通读书笔记卡 · 9838.j · 生成模型:Hunyuan

贝叶斯公式:由果推因

理解等级:中级

贝叶斯公式解决的是由结果反推原因:已知某水果是黄色,求它属于梨的概率。设苹果和梨各 10 个,则 P(苹果)=P(梨)=10/20;P(黄色|苹果)=20%,P(黄色|梨)=90%。代入 P(梨|黄色)=P(黄色|梨)P(梨)/P(黄色),其中 P(黄色)=0.5×0.2+0.5×0.9=0.55,得 0.9×0.5⁄0.55≈81.8%。三个量各有名字:P(梨) 是先验,看到颜色前的判断;P(黄色|梨) 是似然,该类别产生这一特征的可能性;P(梨|黄色) 是后验,看到证据后的修正判断。公式的关键是承认两类都可能呈黄色,不直接比较黄色苹果与黄色梨的差别,而用统计规律给出更可能的一类。从文本分类到概率图模型,贝叶斯公式贯穿机器学习中随机问题的分析,是最重要的基础概念之一。

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

    • 第1章 机器学习的基础 · 查看原书依据

      这个问题的求解过程就是著名的贝叶斯公式: 用数学的语言来表达,就是已知P(苹果)=10/(10+10),P(梨)=10/(10+10),P(黄色|苹果)=20%,P(黄色|梨)=90%,求P(梨|黄色)。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第1章 机器学习的基础(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00007.html) - 结论依据:原文用苹果梨颜色案例写出先验、条件概率与所求后验,给出计算结果 81.8%,并明确指出贝叶斯公式贯穿机器学习随机问题分析。 - 原始内容:这个问题的求解过程就是著名的贝叶斯公式: 用数学的语言来表达,就是已知P(苹果)=10/(10+10),P(梨)=10/(10+10),P(黄色|苹果)=20%,P(黄色|梨)=90%,求P(梨|黄色)。