什么是贝叶斯算法
一种假设概率计算算法
P(假设|证明)=P(先验概率)*P(证明|假设)/P(证明)
P(H/E)=P(H)*P(E|H)/P(E)
通过一些已经被存在的证据,推测某种假设的概率。
精髓在于,新的证据不能凭空改变你的已有的想法,而只是更新你先验的经验。
案例
来源:https://www.bilibili.com/video/BV1R7411a76r?t=80
在图书馆出现了一个【文质彬彬井井有条】的一个人 是图书管理员或者农民的概率是多少?
据调查,75%的认为是图书管理员。
实际呢?
按贝叶斯思考路径:
先提出一个假设,假设他是图书管理员 P(H)的概率是多少?
P(H)=图书管理员人数/图书馆人数+农民人数
假定总共210人,10人是图书管理员、200人是农民。
P(H)=10/210
其中图书管理员【文质彬彬井井有条】的概率是40%
农民【文质彬彬井井有条】概率是10%
按贝叶斯公式套一下:
我们的目的是求出【文质彬彬井井有条】的人是图书管理员的概率。
P(图书管理员|【文质彬彬井井有条】)=
图书管理员中【文质彬彬井井有条】人数/(图书管理员中【文质彬彬井井有条】人数+农民中【文质彬彬井井有条】的人数)
=4/(4+20)
几个概念:
竖线:当什么的条件下
P(H):先验概率,未分析前按总数的概率