请给出贝叶斯公式,解释先验、似然、证据、后验的含义,并用一个具体的疾病检测例子计算后验概率。
公式
$$P(A\mid B)=\frac{P(B\mid A)\,P(A)}{P(B)}$$
例子:某病患病率 $P(D)=0.1\%$(先验)。检测灵敏度为 $P(+\mid D)=99\%$,假阳率 $P(+\mid \neg D)=5\%$。若某人检测阳性,真实患病概率?
$$P(D\mid +)=\frac{0.99\times0.001}{0.99\times0.001+0.05\times0.999}\approx\frac{0.00099}{0.00099+0.04995}\approx1.95\%$$
启示:即便检测「很准」,因基础患病率极低,阳性后真实患病概率仍很小——这是「证据需结合先验」的经典直觉,也是朴素贝叶斯分类器的核心:
$$P(类\mid 特征)\propto P(特征\mid 类)\,P(类)$$
题目与答案就在本页;收藏、批注和错题重练在应用内