02 数学基础 | 月有阴晴圆缺，此事古难全：概率论

精选留言

• 
  王天一

  置顶

  2017-12-13

  @Karl 一个优等生和一个差生打架，老师肯定认为是差生的错，因为差生爱惹事，这就是最大似然估计；可如果老师知道优生和差生之间原本就有过节（先验信息），把这个因素考虑进来，就不会简单地认为是差生挑衅，这就是最大后验估计。 两种方式分别对应不同的机器学习算法，具体应用在机器学习模块中分别有介绍。

  共 3 条评论

  215
• 
  王天一

  置顶

  2017-12-12

  @yy 基础部分主要是引入概念，在后续的算法介绍中会涉及概念与方法的具体应用

  

  19
• 
  漫漫越

  2019-03-14

  患病概率：（0.95*0.01）/(0.95*0.01+0.05*0.99)=16.1%

  作者回复: 完全正确！

  共 2 条评论

  14
• 
  快乐松鼠蹦蹦跳

  2018-06-05

  @奋斗达人 这是一个贝叶斯定理应用的经典问题：有一种病在人群中的患病率是1%，其检查结果的可靠程度是95%，也就是得病的人95%会得到阳性结果，没得病的人95%会得到阴性结果。如果一个人检查的结果是阳性，那他得病的概率是多少？ 用贝叶斯定理解决这个问题，得到的结果会出乎意料。 记得这样的题目，概率论学过，人工智能学过，但是总的都是模棱两可。现在学了这么多年，终于知道自己模糊的地方住在哪里了。套用贝叶斯公式求解，结果是0.1610

  作者回复: Bingo

  

  10
• 
  小牛人

  2018-05-25

  得病的概率是16.1%

  作者回复: Bingo

  

  8
• 
  wolfog

  2018-01-13

  想问下天一老师，明天下雨的概率是85%那一段说贝叶斯学派认为概率是随机事件的可靠度。而频率学派则无法从频率的角度解释。我想问问频率学派无法解释的原因是下面的解释吗？ 频率学派认为概率是随机事件在次数增多时频率的一个趋近值，而很显然明天下雨这个事件无法重复多次，所以频率学派的关于概率的定义明显就无法再这里定义。 感谢天一老师

  作者回复: 没错，这是一锤子买卖的事情

  共 2 条评论

  8
• 
  听天由己

  2017-12-27

  概率论从直觉上比线性代数容易理解，可还是要花时间去琢磨。 思考题我有几个想法： 1、产品中最常见的就是电商系统的推荐，亚马逊在一方面很早就开始实践，根据你已经买过的东西的信息来判断购买其他商品的可能性； 2、垃圾邮件过滤器，给定一封邮件，它是垃圾邮件的可能性是多大。机器甄别可能用处更大 3、第三就是拼写纠错与语义分词。 这几个方面是我结合实践生活和学习想到的，要真正将问题转化成模型与数学语言真的好难。

  作者回复: 没错，最常见的例子就是文本分类。建模确实难度很大，而且没有通用的规则，使用哪些工具需要具体情况具体分析。

  

  7
• 
  Rola

  2018-07-22

  英语专业的看不懂，怎么办

  作者回复: 刚刚接触确实需要循序渐进，阅读专栏时可以考虑结合科班的教材。

  

  3
• 
  凡拾

  2018-03-22

  思考题的理解—根据欺诈的结果推算哪种因素符合会最大概率出现欺诈，这算不算贝叶斯？2.在估计参数时，最大似然估计法只需要使用训练数据，最大后验概率法除了数据外还需要额外的信息，就是贝叶斯公式中的先验概率。为什么要额外信息不理解

  作者回复: 因为最大似然假定待估计的参数是固定的，估计的准确与否取决于数据；最大后验则认为参数也是随机变量，有自己的先验分布。这就是额外的信息，因为数据本身体现不出参数的先验特性。

  

  3
• 
  凌波微步

  2018-10-25

  感觉在学校学的课程太渣了，枯燥的介绍公式，学完不知道怎么用，知识没有串起来。学了王老师这一课，受益匪浅，感觉学得很爽。后面的课程要坚持学下去！

  作者回复: 学校的课程也是很充实的，只是设计上有些问题。

  

  2