图示/公式/案例配图
贝叶斯定理图版 029
用于理解 2.1.4 如何用贝叶斯定理做信息推断 的关键结构。
现在,我们重温一下最大似然估计。最大似然估计首先找到每个原因的似然概率,然后选择似然概率最大的原因。
原始图版
图版说明
现在,我们重温一下最大似然估计。最大似然估计首先找到每个原因的似然概率,然后选择似然概率最大的原因。
读图拆解
注意,似然概率是在某个原因的前提下,观测到某个现象的概率,它也是一个条件概率。对于某一个“原因i”而言,这个条件概率的形式是:
怎么用
把它当成“概率关系图”来读,而不是当成装饰图片。看完后复述:这张图想改变我哪一个判断习惯?
提醒
如果图中数字或结构看不懂,不要急着跳过。先回到所在章节的源段落,再结合概念页理解术语关系。
关联章节
第2章 贝叶斯定理
贝叶斯定理的价值,不在于复杂,而在于它明确告诉我们:结论应该随着证据而更新。