maroke He aha te Bayes Theorem? - Unite.AI
Tūhono ki a tatou

AI 101

He aha te Bayes Theorem?

mm
whakahoutia on

Mena kei te ako koe mo te maatauranga raraunga, ako miihini ranei, he tupono pai kua rongo koe kupu "Bayes Theorem" i mua, he "Kaiwhakahirahira Bayes" ranei. He ahua rangirua pea enei ariā, ina koa kaore koe i te mohio ki te whakaaro mo te tupono mai i te tirohanga o nga tatauranga tawhito, auau. Ka ngana tenei tuhinga ki te whakamaarama i nga maapono kei muri i te Bayes Theorem me te whakamahi i te ako miihini.

He aha te Bayes Theorem?

Ko Bayes Theorem he tikanga o tātai tūponotanga here. Ko te tikanga tuku iho mo te tatau i te tūponotanga here (ko te tupono ka puta mai tetahi huihuinga i te mea he takahanga rereke) ko te whakamahi i te tauira tūponotanga herenga, te tatau i te tūponotanga hono o te takahanga kotahi me te takahanga e rua ka puta i te wa kotahi, ka wehea mā te tūponotanga o te takahanga e rua. Heoi ano, ka taea te tatau i te ahua rereke ma te whakamahi i te Bayes Theorem.

Ina tātaihia te tūponotanga herenga ki a Bayes theorem, ka whakamahia e koe nga mahi e whai ake nei:

  • Whakatauhia te tūponotanga o te ahuatanga B he pono, me te whakaaro he pono te ahuatanga A.
  • Whakatauhia te tūponotanga o te takahanga A he pono.
  • Whakareatia nga tūponotanga e rua.
  • Wehea ki te tūponotanga o te takahanga B ka puta.

Ko te tikanga ko te tauira mo te Bayes Theorem ka taea te whakaatu penei:

P(A|B) = P(B|A)*P(A) / P(B)

Ko te tatau i te tūponotanga herenga penei he tino whaihua ina ka ngawari te tatau i te tūponotanga herenga whakamuri, ka uaua rawa ranei te tatau i te tūponotanga hono.

Tauira o Bayes Theorem

He maamaa ake pea tenei ki te whakamaarama mena ka roa taatau ki te titiro ki te tauira me pehea te whakamahi whakaaro Bayesian me Bayes Theorem. Me whakaaro kei te purei koe i tetahi keemu ngawari ka korero te maha o nga kaiuru ki a koe i tetahi korero, me whakatau koe ko wai tetahi o nga kaiuru e teka ana ki a koe. Me whakakīa te whārite mō Bayes Theorem ki ngā taurangi o tēnei tūāhua whakapae.

E ngana ana matou ki te matapae mena kei te korero teka, kei te korero pono ranei ia tangata o te keemu, na mena e toru nga kaitakaro i tua atu i a koe, ka taea te whakaatu i nga taurangi wahanga ko A1, A2, me A3. Ko nga taunakitanga mo a raatau korero teka/pono ko o raatau whanonga. Ka rite ki te takaro poker, ka rapu koe mo etahi "kii" kei te teka te tangata ka whakamahi i aua korero hei korero mo to whakaaro. Mena ka whakaaetia koe ki te patapatai ki a raatau he tohu kei te kore e taapiri ana korero. Ka taea e taatau te whakaatu i nga taunakitanga e korero teka ana te tangata ko B.

Kia marama, e whai ana matou ki te matapae i te Tuponotanga(Kei te korero teka/te korero pono a A|i runga i nga taunakitanga o ana whanonga). Ki te mahi i tenei ka hiahia matou ki te whakaaro i te tūponotanga o B hoatu A, te tūponotanga ranei ka puta o raatau whanonga mena he pono te korero teka, he korero pono ranei te tangata. Kei te ngana koe ki te whakatau i raro i nga ahuatanga ka tino whai tikanga te whanonga e kitea ana e koe. Mena e toru nga whanonga e whakaatu ana koe, ka mahia e koe te tatau mo ia whanonga. Hei tauira, P(B1, B2, B3 * A). Ka mahia e koe tenei mo nga ahuatanga A/mo ia tangata i roto i te keemu haunga koe. Koia tenei waahanga o te wharite o runga:

P(B1, B2, B3,|A) * P|A

Ka mutu, ka wehewehea e tatou ma te tūponotanga o B.

Mēnā ka whiwhi taunakitanga mātou mō ngā tūponotanga tūturu o tēnei whārite, ka hanga anō e mātou tā mātou tauira tūponotanga, me te whakaaro ki ngā taunakitanga hōu. Ka kiia tenei ko te whakahou i o korero o mua, i a koe e whakahou ana i o whakaaro mo te tupono o mua o nga huihuinga ka kitea.

Nga Tono Ako Miihini mo Bayes theorem

Ko te nuinga o te whakamahi o Bayes theorem ina tae mai ki te ako miihini kei te ahua o te Naive Bayes algorithm.

Ka whakamahia a Naive Bayes mo te whakarōpūtanga o nga huinga huinga huinga-rua me te maha-akomanga, ka whiwhi a Naive Bayes i tona ingoa na te mea ko nga uara kua tohua ki nga kaiwhakaatu taunakitanga/huanga – Bs i te P(B1, B2, B3 * A) – ka kiia he motuhake. o tetahi ki tetahi. E whakapaetia ana karekau enei huanga e pa ki a raua ano hei whakangawari i te tauira ka taea te tatau, kaua ki te whakamatau i te mahi uaua ki te tatau i nga hononga i waenga i ia huanga. Ahakoa tenei tauira ngawari, he pai te mahi a Naive Bayes hei algorithm whakarōpūtanga, ahakoa kaore pea i te pono tenei whakapae (koinei te nuinga o te waa).

He ano hoki rerekē whakamahia noa o te whakarōpūtanga o Naive Bayes penei i te Multinomial Naive Bayes, Bernoulli Naive Bayes, me Gaussian Naive Bayes.

Taumaha Naive Bayes Ka whakamahia nga algorithms ki te whakarōpū i nga tuhinga, na te mea e whai hua ana ki te whakamaori i te auau o nga kupu i roto i te tuhinga.

Bernoulli Naive Bayes He rite tonu te mahi ki te Multinomial Naive Bayes, engari ko nga matapae i tukuna e te algorithm he booleans. Ko te tikanga ka matapae i te karaehe ko nga uara ka rua, kao, ae ranei. I roto i te rohe o te whakarōpū kupu, ka tautapahia e te Bernoulli Naive Bayes algorithm nga tawhā he ae, kaore ranei i runga i te mea ka kitea he kupu kei roto i te tuhinga tuhinga.

Mena karekau te uara o nga matapae/aahuatanga i te motuhake engari ka mau tonu, Gaussian Naive Bayes ka taea te whakamahi. E whakapaetia ana kua whakatauirahia nga uara o nga ahuatanga tonu mai i te tohatoha gaussian.

Blogger me te kaihātaka me nga tohungatanga i roto Learning machine a Akoranga hohonu kaupapa. Kei te tumanako a Daniel ki te awhina i etahi atu ki te whakamahi i te mana o AI mo te pai o te hapori.