第1个回答 2021-10-31
贝叶斯公式是机器学习中的基础公式，也是概率统计里的常用公式，贝叶斯公式常用于监督学习算法中的生成（式）模型（Generative
Model），想要对机器学习算法建立体系化的知识结构，对生成模型的理解至关重要，本篇只简述贝叶斯公式。并对先验概率和后验概率的知识点进行整理，以便随时查阅。首先给出两个例子
第一个例子。一所学校里面有 60% 的男生，40%
的女生。男生总是穿长裤，女生则一半穿长裤一半穿裙子。假设你走在校园中，迎面走来一个穿长裤的学生（很不幸的是你高度近似，你只看得见他（她）穿的是否长裤，而无法确定他（她）的性别），你能够推断出他（她）是男生的概率是多大吗？
第二个例子。两个一模一样的碗，一号碗有30颗水果糖和10颗巧克力糖，二号碗有水果糖和巧克力糖各20颗。现在随机选择一个碗，从中摸出一颗糖，发现是水果糖。请问这颗水果糖来自一号碗的概率有多大？
公式
P（A|B）=P（B|A）∗P(A)/P(B)P（A|B）=P（B|A）∗P(A)/P(B)
P（A|B）P（A|B）
想要理解贝叶斯公式首先要对
A，B所代表的意义有所了解。如果我们作为一个出题人，要如何考查这个公式呢？给出一系列条件，求P（A|B）显然是一种方法。简单举几个例子（只涉及最后的问题）。