人工智能初步-数学贝叶斯推理
本项目通过Geogebra可视化数学工具,学习贝叶斯推理(贝叶斯概率)。
贝叶斯推理(法则)
贝叶斯推理理念源自托马斯·贝叶斯。托马斯·贝叶斯(Thomas Bayes),是英国神学家、数学家、数理统计学家和哲学家,1702年出生于英国伦敦,做过神甫,1742年成为英国皇家学会会员。
贝叶斯定理现在很多人在研究,不少人相信贝叶斯定理和人脑的工作机制很像,因此成为机器学习的基础。
比如,你和对方聊天的时候,如果对方说出“虽然”两个字,你大概就会猜测,对方后继九成的可能性会说出“但是”。
我们的大脑看起来就好像是天生在用贝叶斯定理。贝叶斯公式如下:
\(P(A|B) = {P(B|A) P(A) \over P(B)}\)
公式可能很抽象,下面举一个案例:
贝叶斯推理
案例:当你在电影院售票大厅等待入场看电影时,发现有人掉了电影票,根据背影看到此人是长发,你能判断是男士还是女士吗?
根据常量,我们可以说很大可能是女士,而非男士。但是女士的概率多大那?
已知来看电影的人群情况如下:
说明:用Geogebra数学工具来定义男、女比例,男、女长发的比例?
说明:
滑动最左边的菱形块,调整长发女士占所有女士的概率。
滑动最右边的菱形块,调整长发男士占所有男士的概率。
滑动中件的菱形块,调整女士与男女占总人数的比例。
2.任务:调整三个菱形块,完成以下问题推理。
问题:
\(P(A)\):代表女士占总人数概率。\(P(A') = 1- P(A)\):代表男士占总人数的概率
\(P(B)\):代表长发概率。
总人数中女士占:\(P(A)=50\%\);男士占:\(P(A') = 1- P(A)=50\%\)
女士长头发概率:\(P(B|A)=50\%。\);男士长头发概率:\(P(B|A')=4\%。\)
求\(P(A|B):\):即看到背影是长发,我们推断是女士的概率大小?(通过工具计算为0.92)