朴素贝叶斯：帮助AI产品经理“小步快跑，快速迭代”( 十 )_：朴素贝叶斯：帮助AI产品经理“小步快

如果用A表示这个人患有该疾病，用B表示医院检测的结果是阳性，那么 P(B|A)=99%表示的是“已知一个人已经得病的情况下医院检测出阳性的概率”。而我们现在问的是“对于随机抽取的这个人，已知检测结果为阳性的情况下这个人患病的概率”，即P(A|B)，通过计算可得P(A|B)=9%。所以即使被医院检测为阳性，实际患病的概率其实还不到10%，有很大可能是假阳性。因此需要通过复诊，引入新的信息，才有更大把握确诊。

通过以上例子可以看出，生活中我们经常会把先验概率与后验概率弄混淆，从而得出错误的判断。贝叶斯定理正是帮我们理清概率的先后条件之间的逻辑关系，并得到更精确的概率。

实际上，这个定理所阐述的核心思想对产品经理的思考方式也有很大的启发：

一方面是我们要搞清楚需求场景中的先验概率是什么？后验概率是什么？不要被数据的表象蒙蔽了双眼；

另一方面我们可以借助贝叶斯定理搭建一个思考的框架——在这个框架中需要不断调整我们对某事物的看法，在经过一系列的新的事情被证实后，才形成比较稳定、正确的看法。