每天5分钟玩转机器学习算法：逆向概率的问题是什么？贝叶斯公式是如何解决的？

本文重点

前面我们已经知道了贝叶斯公式，以及贝叶斯公式在机器学习中的应用，那么贝叶斯公式究竟解决了一个什么样的问题呢？贝叶斯是为了解决逆向概率的问题。

 

 

正向的概率和逆向的概率

正向概率：假设袋子里面有N个白球，有M个黑球，你伸手一摸，那么问题就是你摸出黑球的概率是多少？

逆向概率：事先我们并不知道袋子里面黑色球和白色球的比例，而是闭着眼睛摸出一个（或者好几个球），观察这些取出来球的颜色之后，那么我们可以就对袋子里面的是黑白球的比例做出推测。

这就是正向概率和逆向概率的不同，那么为什么要使用贝叶斯呢？

为什么要使用贝叶斯

因为我们现实的世界本身就是不去确定的，我们往往看到的是一个问题的结果，就像逆向的概率一样，所以我们需要一个对原因的猜测。

实例

现在有一个学校，有两类人，一类是男生（60%），一类是女生（40%）。其中男生全部都穿裤子，而女生一半穿裙子，一半穿裤子。

此时的正向概率是：随机选择一个学生，那么这个学生穿裙子的概率是多大？

此时的逆向概率是：现在一个穿裤子的学生，但是我们不知道性别，那么是女生的概率是多大