Return to Video

Bayes Rule Diagram - Intro to Machine Learning

  • 0:00 - 0:05
    我们所说的先验测试的情况
  • 0:05 - 0:10
    其实是测试其敏感型和特殊性
  • 0:10 - 0:15
    比如说 如果你得到一个阳性测试结果 你要做的是获取先验结果
  • 0:15 - 0:19
    然后乘以此测试结果的概率
  • 0:19 - 0:24
    假设先验结果是 C 乘以测试结果中给出不是 C 的概率
  • 0:24 - 0:28
    这就是考虑你患癌的分支
  • 0:28 - 0:32
    这就是考虑你未患癌的分支
  • 0:32 - 0:36
    完成此操作后 你将得到一个数字 该数字把
  • 0:36 - 0:38
    患癌假设和测试结果结合了起来
  • 0:38 - 0:41
    包含了患癌假设和未患癌假设
  • 0:43 - 0:46
    现在 你将这些结果相加
  • 0:46 - 0:50
    它们的结果通常不会超过 1
  • 0:50 - 0:51
    你会得到一个数量
  • 0:51 - 0:55
    这刚好是测试结果在总样本中的概率
  • 0:55 - 0:57
    在本例中为阳性
  • 0:57 - 0:59
    接下来 你只需要把这里的
  • 0:59 - 1:04
    结果除以这里的总和 也叫做正规化
  • 1:04 - 1:06
    在右边也执行相同的操作
  • 1:06 - 1:08
    两种情况下的除数都相同
  • 1:08 - 1:13
    因为这是你的患癌范围、未患癌范围
  • 1:13 - 1:15
    但这个值将不再依赖癌症变量
  • 1:15 - 1:20
    你现在得出的是所需的后验概率
  • 1:20 - 1:24
    如果你按此处所示正确执行了所有操作 它们相加的和将为 1
  • 1:24 - 1:26
    这是你的贝叶斯规则算法
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

Chinese, Simplified subtitles

Revisions Compare revisions