朴素贝叶斯：帮助AI产品经理“小步快跑，快速迭代”( 七 )

2019-09-11

因此贝叶斯公式实际上阐述了这么一个事情，如下图所示：

我们可以用文氏图可以加深对贝叶斯定理的理解，如下图所示：

上述例子中小林刚好在早高峰时段看到同事出站，代表出现了新的信息。就像是上图中已知黑点已经落入A区域了，由于A区域大部分区域与B区域相交，因此推断黑点也在B区域的概率会变大。我们想获得的结果其实是P(B|A)，即我们想知道，在考虑了一些现有的因素后，这个随机事件会以多大概率出现。

参考这个概率结果，在很多事情上我们可以有针对性地作出决策。我们需要同时知道P(B)、P(A|B)与P(A)才能算出目标值P(B|A)，但是P(A)的值似乎比较难求。

仔细想一想，P(A)与P(B)之间似乎没有任何关联，两者本身就是独立事件，无论P(B)的值是大还是小，P(A)都是固定的分母。也就是说我们计算P(A)各种取值的可能性并不会对各结果的相对大小产生影响，因此可以忽略P(A)的取值。

推荐阅读

上一篇：新iPhone刚发布＂浴霸电磁炉摄像头＂就被网友玩坏了

下一篇：冠达集团：树立行业风向标走“全过程工程咨询创新之路”