贝叶斯推理与双升实战
人类获得的所有知识都是不确定的、不准确的和不全面的。
——伯特兰·罗素
好吧，双升的特点？不完备，不对称，不确定
基本对应了。 那什么是贝叶斯推理呢？是一种努力从数据中做出比较精确的预测的方法。 也对应上了。
这要从基本公式谈起。 贝叶斯公式用以描述在已知条件下某事件的发生概率，它的表达式是：
P（A|B）= P（A）x【P（B|A）/P（B）】谈概率没意思，我来化简一下。我们可以把概率当作一种信念，那么贝叶斯公式理解，就是一种基于现有的证据（比如一些观察、数据、信息）和经验，对所持信念（比如一些假设、主张或论点）的有效性进行评估和改进的方法。
再看公式。P代表概率，A表示原本的信念，B代表新证据或新条件。P（A）是A为真的概率，也被称为先验概率。P（B）则是B为真的概率，也称为边缘概率。P（B|A）表示A为真时B的概率，也被称作似然度。这个公式实际上是由法国数学家拉普拉斯重搞贝叶斯的概率思想得到的。
我们把括号里面的东西当作一个系数，就可以把上面的公式简化如下：
新信念 = 原本的信念x新证据所带来的修正这样一来，就不用计算讨厌的概率了。 我不像六极大师，是比较讨厌计算概率的
网络有很多聊概率，聊贝叶斯的了。查了查，其实都很烦。我举例说一下吧。我们知道，人类男女比例大概是一样的，因为不一样会出大问题，这个不就是概率？50%，很简单吧。
看前方，100米处，飘来一个人影，忽隐忽现的。问你呢，是男，还是女？ Þ¿'ÙÛ÷ö´bbs.lianzhong.comN'æ¼° ²H-