基于C#的机器学习--贝叶斯定理-执行数据分析解决肇事逃逸之谜

贝叶斯定理-执行数据分析解决肇事逃逸之谜

在这一章中，我们将:

1. 应用著名的贝叶斯定理来解决计算机科学中的一个非常著名的问题。
2. 向您展示如何使用贝叶斯定理和朴素贝叶斯来绘制数据，从真值表中发现异常值等等

贝叶斯定理概况

       当我们使用贝叶斯定理的时候，我们是在测量一件事发生的概论程度:

   上式表示在给定事件B的情况下事件A发生的概率。

       概率通常被量化为0和1之间的一个数，包括这两者;0表示不可能，1表示绝对肯定。概率越大，确定性越大。掷骰子得到6的概率和掷硬币得到正面的概率这两个例子你们肯定很熟悉。还有另一个你们每天都熟悉和遇到的例子:垃圾邮件。

       我们所有人通常一整天都在打开电子邮件(有些人甚至整夜都在打开!)伴随着我们所期待的信息，我们也将迎来那些我们不愿意、也不愿意接收的信息。我们都讨厌处理垃圾邮件。我每天收到的邮件中有一封是垃圾邮件的概率是多少?我关心它的内容的概率是多少?我们是怎么知道的？

       让我们来谈谈垃圾邮件过滤器是如何工作的，因为，这可能是我们可以使用的关于概率的最好的例子!

       大多数垃圾邮件过滤器的工作方式(至少在最基本的层次上)是定义一个单词列表，用于指示我们不想要或不要求接收的电子邮件。如果邮件中包含这些词，就会被认为是垃圾邮件.

从公式化的角度来看是这样的：

根据给定的一组单词，判断电子邮件是垃圾邮件的概率:维基百科中的用户Qniemiec有一个令人难以置信的可视化图表，该图表充分解释了概率视图的每个组合，该视图由两个事件树的叠加表示。这是一个完整的贝叶斯定理的可视化，它由两个事件树图的叠加表示：

现在，我们来看一个非常著名的问题。它有很多名字，但最基本的问题是所谓的出租车问题。这是我们的场景，我们将尝试用概率和贝叶斯定理来解决。

一名Uber司机卷入了一起肇事逃逸事故。著名的黄色出租车和Uber司机是在这个城市运营的两家公司，随处可见。我们得到以下数据：

1. 该市85%的出租车是黄色的，15%是Uber。
2. 一名目击者指认了肇事逃逸车辆的身份，并表示车上贴着Uber的贴纸。话虽如此，我们不知道证人的证词有多可靠，因此法院决定对用户进行测试并确定其可靠性。最终，法院得出结论，证人在80%的情况下正确识别了两辆车中的每一辆，但在20%的情况下未能识别。

这是很重要的，所以请注意接下来的内容：

我们的两难境地是:事故中涉及的车辆是Uber司机还是黄色出租车的概率是多少。

从数学上来说，以下就是我们如何得到我们需要的答案的过程：

1. 正确识别的Uber司机总数为:

15*0.8=12

1. 目击者有20%的时间是错误的，所以错误识别的车辆总数是：

85*0.2=17

1. 因此，证人确认的车辆总数为12 + 17