贝叶斯公式也就是考试的时候随便学了学,其实没有真正理解。信息检索的时候老师一直使用这个公式推导,自己也没看明白。
今天透彻理解下它。
独立事件概率相加理解:一次取到这几个东西都行。而之前是取单个的概率.
验前概率(先验概率)就是通常说的概率,验后概率是一种条件概率,但条件概率不一定是验后概率。
贝叶斯公式是由验前概率求验后概率的公式。举一个简单的例子:一口袋里有3只红球、2只白球,采用不放回方式摸取,求:
⑴ 第一次摸到红球(记作A)的概率;
⑵ 第二次摸到红球(记作B)的概率;
⑶ 已知第二次摸到了红球,求第一次摸到的是红球的概率。
解:⑴ P(A)=3/5,这就是验前概率;
⑵ P(B)=P(A)P(B|A)+P(A逆)P(B|A逆)=3/5
⑶ P(A|B)=P(A)P(B|A)/P(B)=1/2,这就是验后概率。
执果索因的道理,公式核心在于P(A|B)与P(B|A)其实可以相互转化。
2015.3.21
应用: 点击打开链接
贝叶斯的应用要理解深刻, "调整因子"这个东西不是真的调整,而是因为B事件发生而让我们得到A时间发生概率更大.(两个经典例子,a,b两个厂子次品率问题.)
基于结论推断原因:eg:因为垃圾邮件有XX词,那么有XX词,是垃圾邮件概率多大?