贝叶斯公式就是一种由结果推导原因的公式,再浅显一点说就是发生了一个事件,根据已经有的知识,推测这个事件发生的原因。
例子:
A:守信人的概率。
B:按时还款的概率。
银行进行信用评估,先假设每个人是守信人的概率是0.5,不守信人的概率是0.5,即P(A)=0.5,P(A’)=0.5。守信人还款的概率是P(B|A)=0.9,不还款的概率是P(B’|A)=0.1,不守信人还款的概率是P(B|A’)=0.5,还款的概率是P(B’|A’)=0.5。
因为还款的概率是长期总结产生的,可以把它看成是一个恒定值,现在需要评估的就是这个人是守信人的概率。
一开始都初始化为0.5,但是在按时还款以后,守信人的概率必然会发生变化,会变成P(A|B),所以银行利用贝叶斯公式更新该用户是守信人概率。
根据上述公式可以算出P(A|B)=0.64。然后更新P(A)=0.64,P(A’)=0.36。
总结:
按时还款就是发生的事件,P(A)的初始值就是已有的知识,P(A|B)就是发生了事件B以后,我们对于A的评估。