一文读懂贝叶斯原理（Bayes‘ theorem）

最新推荐文章于 2025-03-22 23:06:36 发布

元直数字电路验证

最新推荐文章于 2025-03-22 23:06:36 发布

阅读量4.3w

点赞数 54

原文链接：https://blog.csdn.net/jiangjiang_jian/article/details/81346797

版权

本文详细介绍了贝叶斯定理的基本概念、定义、推导过程及实际应用。贝叶斯定理是一种处理逆向概率问题的统计方法，由18世纪的数学家托马斯·贝叶斯提出。它在计算机科学多个领域，如自然语言处理、机器学习、推荐系统等，发挥着重要作用。通过贝叶斯定理，可以利用先验概率和似然性计算后验概率，实现从观测数据中进行概率推理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一文读懂贝叶斯原理（Bayes' theorem）

前言：贝叶斯定理是18世纪英国数学家托马斯·贝叶斯（Thomas Bayes）提出得重要概率论理论。以下摘一段 wikipedia 上的简介：

一、简介

所谓的贝叶斯定理源于他生前为解决一个“逆概”问题写的一篇文章，而这篇文章是在他死后才由他的一位朋友发表出来的。在贝叶斯写这篇文章之前，人们已经能够计算“正向概率”，如“假设袋子里面有 N 个白球，M 个黑球，你伸手进去摸一把，摸出黑球的概率是多大”。而一个自然而然的问题是反过来：“如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个（或好几个）球，观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例作出什么样的推测”。这个问题，就是所谓的逆向概率问题。

贝叶斯定理的思想出现在18世纪，但真正大规模派上用途还得等到计算机的出现。因为这个定理需要大规模的数据计算推理才能凸显效果，它在很多计算机应用领域中都大有作为，如自然语言处理，机器学习，推荐系统，图像识别，博弈论等等。

二、定义

贝叶斯定理是关于随机事件 A 和 B 的条件概率：

贝叶斯定理

其中P(A|B)是在 B 发生的情况下 A 发生的可能性。
在贝叶斯定理中，每个名词都有约定俗成的名称：

P(A)是 A 的先验概率，之所以称为“先验”是因为它不考虑任何 B 方面的因素。

P(A|B)是已知 B 发生后 A 的条件概率，也由于得自 B 的取值而被称作 A 的后验概率。

P(B|A)是已知 A 发生后 B 的条件概率，也由于得自 A 的取值而被称作 B 的后验概率。

P(B)是 B 的先验概率，也作标淮化常量（normalizing constant）。