分享

芬蘭國民AI-3.2The Bayes rule

 
The Bayes Rule,一個簡潔有力的算式,可用在證據之間互相衝突時。如下:
posterior odds = likelihood ratio × prior odds
網頁上先用一個簡單的醫學診斷來當例子,靠直覺去處理衝突的證據是很糟糕的,我們等一下會看到The Bayes Rule如何用來建立AI方法,可以處理衝突或干擾的資料(或觀察)。
複習一下上次學到的Odds,舉例來說,氣象預測今天稍晚會下雨,想像你在芬蘭,芬蘭是個一年365天有206天會下雨(含下雪)的地方,表示一年之中不下雨的日子是159個,下雨的Odds可表示為206:159,而現在人就在芬蘭,你打開窗外看到雲層很厚,通常是天空雲層很厚的陰天,10天中有9天會下雨,這表示10個雨天中,只有一個在下雨天在下雨前,天空是晴朗的藍天。當窗外是個天空雲層很厚的陰天,這一天下雨的機率是不下雨的9倍(Likehood Ration),這一天下雨的機率是90%,而這一天不下雨的機率只有10%。在這個情況下,沒開窗看天空前,降雨機率是56%,開窗看到陰天時,降雨機率增加至92%。
prior probsblity=206/(206+159)=0.56
posterior odds =9*(206/159)=1854:159
post probablity=1854/(1854+159)=0.92
*likelihood vs. probablity這個觀念是我個人較薄弱的,我找了一些網路資料,但也沒比較好懂,還是把例子多想幾次來理解。
https://blog.csdn.net/kww_kww/article/details/52527888
分類:親子

評論
上一篇
  • 下一篇
  • 更多文章
    載入中... 沒有更多了