Return to Video

Bayes Rule Diagram - Intro to Machine Learning

  • 0:00 - 0:05
    この癌の事例では、まず「癌である事前確率」があり
  • 0:05 - 0:10
    検診の「有病正診率」と「無病正診率」とがあります。
  • 0:10 - 0:15
    陽性だったので、「事前確率」に
  • 0:15 - 0:19
    「有病正診率」を掛け算したものと
  • 0:19 - 0:24
    「事前確率」に 1 -「無病正診率」を掛け算します。
  • 0:24 - 0:28
    こちらが実際にあなたが癌の場合で
  • 0:28 - 0:32
    こちらは実際にはあなたが癌ではない場合です。
  • 0:32 - 0:36
    これで、癌の有無の推定と、検診結果の
  • 0:36 - 0:38
    組み合わせによる確率を得られます。
  • 0:38 - 0:43
    こちらは癌がある仮定、こちらは無い仮定です。
  • 0:43 - 0:46
    ではこれを足し算しましょう。
  • 0:46 - 0:50
    これは通常1にはなりません。
  • 0:50 - 0:51
    あなたが得る数値は
  • 0:51 - 0:54
    「検診結果が何になるか」の確率です。
  • 0:54 - 0:57
    この場合は「検診結果が陽性」の確率です。
  • 0:57 - 0:59
    そして次にすることは、割り算です。
  • 0:59 - 1:04
    正規化とも言います。この足し算の結果を使います。
  • 1:04 - 1:06
    右側も同じく割り算をします。
  • 1:06 - 1:09
    両方同じ数字で割り算をするのは、
  • 1:09 - 1:13
    こちらは癌の可能性、こちらは癌でない可能性ですが、
  • 1:13 - 1:16
    この値は癌の有無に影響を受けないからです。
  • 1:16 - 1:20
    このようにして目的の事後確率を計算することができます。
  • 1:20 - 1:24
    この通りに正確に計算して入れば、この和は1になります。
  • 1:24 - 1:26
    これがベイズの定理によるアルゴリズムです。
Title:
Bayes Rule Diagram - Intro to Machine Learning
Description:

more » « less
Video Language:
English
Team:
Udacity
Project:
ud120 - Intro to Machine Learning
Duration:
01:27

Japanese subtitles

Revisions