深刻理解贝叶斯公式(条件概率)(P(A,B))

贝叶斯公式

P(AB)也写作P(A,B)

P(A|B,C) 的话是P(A|(BC))

条件概率

贝叶斯公式最开始在学习的时候，觉得它就是把条件概率公式的形式做了一下变化，把一项移到右边去了而已

但实际上，贝叶斯公式是非常深刻的一个公式

因为它很好的描述了什么叫做“学习”

贝叶斯公式一直没有受到应有的重视——直到“机器学习”的兴起

贝叶斯公式非常真切地刻画出了人学习的过程

我们现在计算的以A为条件的B的概率，这是获取数据之后我们对于认知的刻画

我们开始学习之后，要给你提供数据，这个数据一定是在你的初始认知的基础上提供出来的

似然的出现反映了一种深刻的思想——任何一种学习过程都不可能是非常客观的。你学习新知识一定是在你大脑中已经存在的旧知识构建的世界观、构建的认知基础上看待的

而这样学习之后的结果，P(B|A)，就是你基于数据所达到的新的认知(即数据对你的认知产生了影响)

在课堂上，老师做的所有的工作，就是P(A|B)，这一步做的，就是要让老师讲给你听的东西，尽可能得和你头脑中已有得认知能够关联起来

机器学习中的训练过程也就是在设计似然P(A|B)