Описание различных терминов теоремы Байеса.
Что такое теорема Байеса?
Теорема Байеса определяет вероятность возникновения события на основе априорного знания о возникновении этого события или знания условий, которые могут привести к возникновению события.
Теорема Байеса представлена следующим уравнением:
# Bayes Theorem
P( y=1 | x = x⁰) = P( x=x⁰ | y=1) P(y=1)
---------------------
P(x=x⁰)
Вот изображение того же в более простом представлении.
В большинстве случаев исследователи и исследовательские работы, связанные с применением правила Байеса, используют жаргонные термины, которые иногда нелегко понять, если вы не имеете математического образования.
Здесь давайте попробуем посмотреть, какие термины называются именами.
Апостериорная или апостериорная вероятность
Член слева от знака «=» в уравнении — это апостериорная вероятность, то есть вероятность после того, как мы вычислили известные величины.
# The Posterior
P( y=1 | x = x⁰)
or
P( A | B )
Условная вероятность или правдоподобие класса
Известная величина вероятности появления класса x⁰ при условии, что y равна 1, называется вероятностью или условной вероятностью класса.
# Class Conditioned Probability or Likelihood
P( x=x⁰ | y=1)
or
P( B | A )
Априорная или априорная вероятность
Наблюдаемая вероятность класса называется априорной или априорной вероятностью. В нашем случае это P(y=1) или P(A)
# A Priori or Prior Probability P(y=1) or P(A)
Маргинальное или доказательство
Термин в знаменателе называется маргинальным или доказательством.
# Marginal or Evidence P(x=x⁰) or P(B)
Читая статьи, я часто с трудом запоминаю эти термины по названиям. Поэтому я подумал, что было бы неплохо написать короткий пост, на который я могу сослаться, как только столкнусь с этими терминами.
Чтобы связаться со мной, напишите мне в Твиттере @kaustubhn
