企业官网建设流程全解析

1、贝叶斯

       贝叶斯思想的核心：当我们获得新的证据以后，要重新计算某件事情发生的概率。

      例如：一个患者检查结果呈阳性，那么他真正患病的概率是多少？

我们一开始可能知道：

• 普通人患病概率很低
• 检测有一定准确率
• 现在这个人的检测结果是阳性

那么问题就是：结合“阳性”这个新证据之后，他患病的概率是多少？

这就是贝叶斯概率最典型的问题。

1.1、先理解概率中的几个概念

假设：

• A：一个人患病
• B：检测结果阳性

那么有几个不同的概率：

       P(A)表示：这个人患病的概率叫做先验概率（Prior Probability）。

       P(B)表示：检测结果呈阳性的概率叫做证据概率

       P(B∣A)读作：在已经患病的条件下，检测结果阳性的概率。也就是患病的人，检测阳性的概率是多少？这通常就是检测的灵敏度，这个叫做似然概率。

       P(A∣B)读作：在检测结果阳性的条件下，患病的概率。也就是我们