條件概率:
當給定條件 發生時, 事件 發生的概率
全概率公式:
事件 發生有多種情況,求最終事件 發生的概率
貝葉斯定理:
核心: 先驗概率 + 新的信息【某些結果】 後驗概率
多種原因: 我們知道最終發生的結果,計算每種原因的概率。 【知道結果,詢問原因】
舉個栗子:
我們知道自己考上清北的概率很低, 可以看做是 0.005%,
但是我們發現去年學院有一個學長考上了北大軟微,所以我們也很激動,想着自己是不是也可以,這裏面雖然有着
雞湯的成分,感覺還是比較好的一個栗子。
將上面的故事轉換成數學公式:
A:考上清北
B:學長考上清北
我們知道了 “學長考上北大” 這個消息之後,現在眼中對於考上清北的認識:
A事件本身是小概率,可能這一個信息調整就會直接影響我們的認識,雞湯雖好,不要貪杯。
貝葉斯公式闡述了:
NLP和貝葉斯:
語法是人類後來總結出來的,我們天生是不需要語法就可以開口說話的,或許,人腦真的是貝葉斯大腦。
參考:
1. https://www.zhihu.com/question/19725590/answer/217025594
2. https://blog.csdn.net/Hearthougan/article/details/75174210