|
贝叶斯推理是概率统计中的一个概念。 提起概率统计，总会让我们想到让人头大的数学计算，但我一向不喜欢那些无聊而又复杂的公式，不过有些有趣的东西却是值得拿来与你分享的。 贝叶斯定理由托马斯·贝叶斯提出，他是英国神学家、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。他基于条件概率，推导出了贝叶斯定理（注意：不是发明），即P(A|B)=P(B|A)*P(A)/P(B)。当然，公式不用去记忆，我们主要来说说贝叶斯推理的思想。 上述公式中，共涉及四个概率：P(A|B) 是在 B 发生的情况下 A 发生的概率；P(A) 是 A 发生的概率；P(B|A) 是在 A 发生的情况下 B 发生的概率；P(B) 是 B 发生的概率。把这几个概率分开来看，就是我们高中学过的概率知识啦！
贝叶斯推理的基本思想是：后验概率=先验概率*调整因子。【P(A|B)是后验概率，P(A)是先验概率，P(B|A)/P(B)是调整因子】 在随机事件中，我们要计算的概率问题一般分为两种。一种是知道某个原因，而去推断某个现象（高中学的数学概率便是如此），另一种是我们看到了某些现象，要去推测它背后的原因，也就是我们所说的“逆概率”问题。 生活中的逆概率问题很多，举一个简单的例子吧！ 现在你的正前方，远远走来一个人，请问这人是男生还是女生呢？真要细究起来，其实挺难判断的。即使一个人长得非常像女孩，我们也不能完全确定TA就是女孩，对不对？ 你可能会说，离那么远，我怎么知道？随便猜一个，50%对50%吧。【这里的50%就是“先验概率”（基础概率），基于我们已有的经验判断，主观猜测得出的概率，它可以随你设定。当然，你的先验概率越贴近现实越好，你可以基于历史数据和参考专家意见等来设定“先验概率”。】 但抬头一看，呦，这人一头长长的黑发披散在肩上。按常识来说，留长发的肯定女孩更多，男孩很少留这么长的头发，所以这更可能是个女孩。这时候，你就要调整自己的判断，可能是女孩的概率要提高到70%了。【这里你获得的关于那个人的新信息（长头发）就是“调整因子”。在计算后验概率时，调整因子一定是客观的，不能拍脑袋决定。这里的70%是一种可信度，而不是事物本身的事实。因为，那个人是男生还是女生，在你猜测之前就已经确定了。】 这就是贝叶斯定理的核心思想，根据新的信息不断去调整对一个随机事件发生概率的判断。
从贝叶斯推理的过程中，我们能获得什么样的人生启发呢？ 起点不是决定条件（先验概率），过程中的学习迭代才是（调整因子）。你应该发现了，不管你刚开始是什么样子，随着你不断学习迭代，获得新的知识，你最终都“可能”成为你想成为的样子。对于一件事情的推断更是如此，随着你获取的新信息越来越多，你会不断修正之前的推断，通过这样反复迭代，你就可能无限接近事情的真相。（医生诊断患者的病情运用的也是贝叶斯推理。） 在犯错成本足够低时，尽可能去尝试。当你不断去尝试，你才会犯错，而犯错会让你获得对自己更清晰地认识，也就能更好地了解你自己。尝试不是生活的目的，而在尝试中获得的成长才是。做一件事没有成功和失败之分，他们都是生活对你的馈赠而已，关键在于你怎么从这件事中获得你想要的东西。 “试错”是让你获取新信息最好的方式，这些新信息可以不断修正你对于这个随机世界的认识，而这些认识又会不断逼近你对于生活真相的了解。
|
|
|
