贝叶斯算法初体验

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