朴素贝叶斯：帮助AI产品经理“小步快跑，快速迭代”( 九 )_：朴素贝叶斯：帮助AI产品经理“小步快

但我们生活中还存在很多无法预知概率的复杂问题，例如台风侵袭、地震规律等等。经典统计学在面对复杂问题时，往往无法获得足够多的样本数据，导致其无法推断总体规律。总不能说每天预测台风来的概率都是50%，只有来或者不来两种情况。

数据的稀疏性令贝叶斯定理频频碰壁。随着近代计算机技术的飞速发展后，数据的大量运算不再是困难的事情，贝叶斯算法这才被人们重新重视起来。

四、贝叶斯定理有什么用

讲到这里部分读者可能会问，虽然贝叶斯定理模拟了人类思考的过程，但是它又能够帮助我们解决什么样的问题呢？我们先来看一个几乎是讲到贝叶斯定理时必定会提到的经典案例。

在疾病检测领域，假设某种疾病在所有人群中的感染率是0.1%，医院现有的技术对于该疾病检测准确率能够达到99%。也就是说，在已知某人已经患病情况下，有99%的可能性检查出阳性；而正常人去检查有99%的可能性是正常的。如果从人群中随机抽一个人去检测，医院给出的检测结果为阳性，这个人实际得病的概率是多少？

也许很多读者都会脱口而出 “99%”。但真实的得病概率其实远低于此，原因在于很多读者将先验概率和后验概率搞混了。