专栏名称: 机器学习研究会

机器学习研究会是北京大学大数据与机器学习创新中心旗下的学生组织，旨在构建一个机器学习从事者交流的平台。除了及时分享领域资讯外，协会还会举办各种业界巨头/学术神牛讲座、学术大牛沙龙分享会、real data 创新竞赛等活动。

【学习】贝叶斯原理及其推断简介

机器学习研究会 · 公众号 · AI · 2017-02-19 18:56

正文

点击上方“机器学习研究会”可以订阅哦

摘要

作者：算法爱好者

一、什么是贝叶斯推断

贝叶斯推断是一种统计学方法，用来估计统计量的某种性质。

它是贝叶斯定理的应用。英国数学家托马斯贝叶斯在1793年发表的一篇论文中，首先提出了这个定理。

贝叶斯推断与其他统计学推断方法截然不同。它建立在主观判断的基础上，也就是说，你可以不需要客观证据，先估计一个值，然后根据实际结果不断的修正。正是因为它的主观性太强，曾经遭到许多统计学家的诟病。
贝叶斯推断需要大量的计算，因此历史上很长一段时间，无法得到广泛应用。只有在计算机诞生之后，它才获得真正的重视。人们发现，许多统计量是无法事先进行客观判断的，而互联网时代出现的大型数据集，再加上高速运算能力，为验证这些统计量提供了方便，也为应用贝叶斯推断创造了条件，它的威力正在日益显现。

二、贝叶斯定理

要理解贝叶斯推断，必须先了解贝叶斯定理。后者实际上就是计算”条件概率“的公式。

所谓”条件概率“，就是指在时间B发生的情况下，事件A发生的概率，用P(A|B)来表示。

根据文氏图，可以很清楚的看到在事件B发生的情况下，事件A发生的概率就是P(AB)除以P(B)。

因此，

所以，

即

这就是条件概率的计算公式。

原文链接：

https://mp.weixin.qq.com/s?__biz=MzI1MTIzMzI2MA==&mid=2650560755&idx=1&sn=56e1b4e2f0348ce9ec45180c6b614acb&chksm=f1feee70c6896766ea86e1533d40a09877edf1032d368bc78598eca63c525e0c352f3aace7d8&scene=0&pass_ticket=Z%2BI8V82O78VedFmqZOJ9GhPn7UAXEOIxHqiR885EN6s%3D#rd

“完整内容”请点击【阅读原文】

↓↓↓