国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

貝葉斯算法人生

這篇具有很好參考價(jià)值的文章主要介紹了貝葉斯算法人生。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方,請(qǐng)大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問(wèn)。

哈嘍大家好,我是咸魚(yú)

之前看到過(guò)耗子叔寫(xiě)的一篇文章《程序算法與人生選擇》,這篇文章中耗子叔結(jié)合計(jì)算機(jī)中的經(jīng)典算法(排序、動(dòng)態(tài)規(guī)劃等等),讓大家在人生道路的選擇上獲得了一些啟發(fā)

我最近看了一些關(guān)于貝葉斯思想的文章,覺(jué)得還挺有感觸的,于是打算寫(xiě)一篇相關(guān)的文章

今天這篇文章不會(huì)跟大家講貝葉斯公式的推導(dǎo)

而是介紹什么是貝葉斯思想,以及如何結(jié)合貝葉斯思想為自己的人生規(guī)劃做決策

前言

貝葉斯思想是由英國(guó)數(shù)學(xué)家和統(tǒng)計(jì)學(xué)家托馬斯·貝葉斯(Thomas Bayes)提出的

托馬斯·貝葉斯生活于 18 世紀(jì),他的主要貢獻(xiàn)是在概率理論領(lǐng)域。盡管貝葉斯自己并沒(méi)有將其思想形成完整的理論,但他的名字被用于描述一類(lèi)基于條件概率的推理方法,即貝葉斯方法

貝葉斯將概率解釋為一種表示不確定性或信念的度量,而不僅僅是頻率的統(tǒng)計(jì)概念

關(guān)于貝葉斯思想,有兩個(gè)概念需要大家知道:

  • 先驗(yàn)概率(Prior Probability):先驗(yàn)概率是在考慮任何觀察數(shù)據(jù)之前,基于經(jīng)驗(yàn)、先前知識(shí)或主觀判斷所獲得的概率。它表示對(duì)事件發(fā)生的初始信念或先前的估計(jì)
  • 后驗(yàn)概率(Posterior Probability):后驗(yàn)概率是在考慮觀察數(shù)據(jù)之后,通過(guò)使用貝葉斯定理計(jì)算得到的概率。它表示在觀察到新的數(shù)據(jù)后,對(duì)事件發(fā)生概率的修正和更新

貝葉斯思想的核心就是通過(guò)結(jié)合先驗(yàn)知識(shí)(先驗(yàn)概率)和新的觀察數(shù)據(jù)來(lái)更新和修正我們的信念(后驗(yàn)概率)

頻率學(xué)派認(rèn)為:概率是事件在一段時(shí)間內(nèi)發(fā)生的頻率。不參照過(guò)去的經(jīng)驗(yàn),只按照當(dāng)前已有的數(shù)據(jù)進(jìn)行概率推斷

例如你一直扔一個(gè)標(biāo)準(zhǔn)的硬幣,你得到正面的概率永遠(yuǎn)是 50%

貝葉斯派認(rèn)為:概率是我們對(duì)一件事情發(fā)生的相信程度(信念度)。換句話(huà)說(shuō),發(fā)生某件事情的概率越大,表明我們對(duì)這件事情發(fā)生的信心越大

1968 年 6 月,天蝎號(hào)核潛艇在大西洋亞速海海域失蹤了,潛艇上的 99 名海軍官兵全部杳無(wú)音信

對(duì)于搜尋人員來(lái)講,無(wú)異于大海撈針。海軍請(qǐng)來(lái)了科學(xué)家 John Craven 來(lái)組織搜尋,下面是他搜尋的步驟:

  • John Craven 列出了一系列能夠解釋這場(chǎng)事故的場(chǎng)景
  • 接著,他組建了了一個(gè)由各個(gè)領(lǐng)域?qū)<医M成的團(tuán)隊(duì),讓每個(gè)成員提供自己對(duì)每個(gè)可能場(chǎng)景發(fā)生概率的猜測(cè)
  • 然后將整個(gè)海域被分成了很多個(gè)小格子,每個(gè)小格子有兩個(gè)概率值 p 和 q,p是潛艇躺在這個(gè)格子里的概率,q 是如果潛艇在這個(gè)格子里,它被搜索到的概率
  • 每次尋找時(shí),先挑選整個(gè)區(qū)域內(nèi)潛艇存在概率值最高的一個(gè)格子進(jìn)行搜索
  • 如果沒(méi)有發(fā)現(xiàn),概率分布圖則會(huì)被“洗牌”一次,搜尋船只就會(huì)駛向新的“最可疑格子”進(jìn)行搜索,這樣一直下去,直到找到天蝎號(hào)為止

貝葉斯算法人生

John Craven 采用的正是貝葉斯法——先根據(jù)先前的常識(shí)、經(jīng)驗(yàn)進(jìn)行預(yù)測(cè)得到先驗(yàn)概率然后進(jìn)行搜索

每一次沒(méi)搜到都不會(huì)被浪費(fèi),也不是簡(jiǎn)單被標(biāo)注為不在這里,而是用于更新調(diào)整整體的估算概率(后驗(yàn)概率)

貝葉斯算法

當(dāng)我們?cè)诿媾R人生的選擇,又或者在進(jìn)行人生規(guī)劃的時(shí)候,我們可以結(jié)合貝葉斯思想來(lái)指導(dǎo)我們做決策

要點(diǎn)一:擁抱不確定性

貝葉斯思想告訴我們,概率是一種主觀的信念,并且這個(gè)概率會(huì)隨著后續(xù)更多的信息不斷更新

這個(gè)概率不斷更新的過(guò)程,其實(shí)就是不斷嘗試、不斷接受新信息的過(guò)程

我們想要做抖音,想要打造個(gè)人 IP,但是我們又擔(dān)心萬(wàn)一自己辛苦一番,后面要是抖音這些自媒體不吃香了怎么辦?

我們打算考研,但是我們又不知道自己能不能考得上,萬(wàn)一辛苦備考一年考不上該咋辦?

說(shuō)到底就是害怕不確定性。確保成功是很多人做決定的前提,但是我們要知道,這個(gè)世界上并沒(méi)有什么事情是確定的

而貝葉斯思想告訴我們,在做一件事情之前(自媒體、考研),可以先有一個(gè)大概的評(píng)估(自媒體是否還是風(fēng)口,自己過(guò)去的學(xué)習(xí)成績(jī)?cè)趺礃樱?,這個(gè)評(píng)估就是先驗(yàn)信念

然后就是先干起來(lái)再說(shuō),不要害怕不確定性、害怕錯(cuò)誤,然后在這個(gè)過(guò)程中不斷地更新自己的后驗(yàn)信念,調(diào)整策略

越是追求確保成功的人,反而越脆弱,越容易掉入決策的陷阱,越容易上別有用心的人的當(dāng)

例如,市面上的種種騙術(shù)都是以“確保成功”為吸引點(diǎn)的

要點(diǎn)二:重視基礎(chǔ)概率

貝葉斯思想中有兩個(gè)概率——先驗(yàn)概率和后驗(yàn)概率

但還有一個(gè)概率我們需要知道——基礎(chǔ)概率

基礎(chǔ)概率是關(guān)于一個(gè)類(lèi)別、事件或條件的總體頻率,是沒(méi)有任何額外信息的情況下的概率

基礎(chǔ)概率也可以被看作是一種特殊的先驗(yàn)概率,即沒(méi)有任何特定證據(jù)的先驗(yàn)概率

我們要重視基礎(chǔ)概率,例如去魚(yú)多的地方捕魚(yú),魚(yú)多就是一個(gè)基礎(chǔ)概率

中國(guó)的首富一直是農(nóng)夫山泉的老板。一個(gè)重要的原因是:2022年中國(guó)飲料市場(chǎng)約為12478 億,其中包裝飲用水占比約為 62.7%,基數(shù)夠大,基礎(chǔ)概率夠大

選擇比努力更重要這句話(huà)也表明我們要重視基礎(chǔ)概率

就業(yè)方面是選擇夕陽(yáng)行業(yè)還是新興行業(yè)?投資方面是看重局部時(shí)間的漲跌概率還是看重長(zhǎng)期的基本面?填志愿是選擇王牌專(zhuān)業(yè)還是冷門(mén)專(zhuān)業(yè)?

要點(diǎn)三:對(duì)新信息保持“敏感”,又有獨(dú)立判斷的“鈍感”

雖然貝葉斯派認(rèn)為概率是主觀的,但是并不意味著貝葉斯派是一群主觀的人

相反,他們隨時(shí)打算更新自己的觀點(diǎn)

哪怕新的信息(證據(jù))和自己的信念相反,哪怕消息很讓人惱火,很羞辱自己的智商,貝葉斯派們也坦然接受。

但是他們又不是簡(jiǎn)單的見(jiàn)風(fēng)使舵,他們不會(huì)因?yàn)樾滦畔氐讙仐壟f的信念,還需要結(jié)合先驗(yàn)概率來(lái)獨(dú)立判斷

  • 對(duì)新信息保持“頓感”

例如,我們擁有的某支股票近期波動(dòng)較大,當(dāng)我們看到某些看空的評(píng)論時(shí),我們應(yīng)該更新對(duì)這支股票的評(píng)估

  • 考慮基礎(chǔ)概率和先驗(yàn)概率,獨(dú)立判斷的“鈍感”

對(duì)于這支股票,無(wú)論是市場(chǎng)政策還是其公司經(jīng)營(yíng)情況都是利好的(先驗(yàn)概率),那么即使我們收到了一些利空的信息或評(píng)論,也不能夠立即得出股票需要拋出的結(jié)論

我們還需要權(quán)衡初步信念(長(zhǎng)期看好這支股票)和新的證據(jù)(利空評(píng)論)

這樣的平衡不但使我們對(duì)新信息保持敏感,又能保持我們對(duì)初步信念的忠實(shí),避免被一些可能的偶然事件或者噪音誤導(dǎo)

總結(jié)

這個(gè)世界充滿(mǎn)不確定性,我們需要擁抱不確定性,擁抱風(fēng)險(xiǎn),要用逐步消除不確定性來(lái)接近確定性,而不是用確定性來(lái)證明確定性

在進(jìn)行人生規(guī)劃時(shí),我們可以先基于自己的常識(shí)、經(jīng)驗(yàn)和當(dāng)前的信息來(lái)評(píng)估自己的決策。然后先干為敬,并在這個(gè)過(guò)程中不斷地試錯(cuò),以此來(lái)動(dòng)態(tài)調(diào)整自己的決策

我們還需要重視基礎(chǔ)概率,做成功的基礎(chǔ)概率大的那個(gè)決策

最后,當(dāng)有新信息出現(xiàn)的時(shí)候,我們需要開(kāi)放接受,但也需要獨(dú)立判斷,既不盲目跟從,也不閉目塞聽(tīng)文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-500870.html

到了這里,關(guān)于貝葉斯算法人生的文章就介紹完了。如果您還想了解更多內(nèi)容,請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來(lái)自互聯(lián)網(wǎng)用戶(hù)投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場(chǎng)。本站僅提供信息存儲(chǔ)空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請(qǐng)注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請(qǐng)點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

  • 機(jī)器學(xué)習(xí)算法——貝葉斯分類(lèi)器3(樸素貝葉斯分類(lèi)器)

    機(jī)器學(xué)習(xí)算法——貝葉斯分類(lèi)器3(樸素貝葉斯分類(lèi)器)

    基于貝葉斯公式來(lái)估計(jì)后驗(yàn)概率P(c|x)的主要困難在于:類(lèi)條件概率P(x|c)是所有屬性上的聯(lián)合概率,難以從有限的訓(xùn)練樣本直接估計(jì)而得。 為避開(kāi)這個(gè)障礙,樸素貝葉斯分類(lèi)器(Naive Bayes classfier)采用了“ 屬性條件獨(dú)立性假設(shè) ”:對(duì)已知類(lèi)別,假設(shè)所有屬性相互獨(dú)立。換句話(huà)

    2023年04月22日
    瀏覽(26)
  • 分類(lèi)算法系列④:樸素貝葉斯算法

    分類(lèi)算法系列④:樸素貝葉斯算法

    目錄 1、貝葉斯算法 2、樸素貝葉斯算法 3、先驗(yàn)概率和后驗(yàn)概率 4、?機(jī)器學(xué)習(xí)中的貝葉斯公式 5、文章分類(lèi)中的貝葉斯 6、拉普拉斯平滑系數(shù) 6.1、介紹 6.2、公式 7、API 8、示例 8.1、分析 8.2、代碼 8.3、?預(yù)測(cè)流程分析 ???作者介紹:準(zhǔn)大三本科網(wǎng)絡(luò)工程專(zhuān)業(yè)在讀,阿里云專(zhuān)家

    2024年02月10日
    瀏覽(25)
  • 機(jī)器學(xué)習(xí)算法(7)—— 樸素貝葉斯算法

    機(jī)器學(xué)習(xí)算法(7)—— 樸素貝葉斯算法

    樸素貝葉斯是一種分類(lèi)算法,經(jīng)常被用于文本分類(lèi),它的輸出結(jié)果是某個(gè)樣本屬于某個(gè)類(lèi)別的概率。 概率基礎(chǔ)復(fù)習(xí) 聯(lián)合概率:包含多個(gè)條件,且所有條件同時(shí)成立的概率 記作: P(A,B) 條件概率:就是事件A在另外一個(gè)事件B已經(jīng)發(fā)生條件下的發(fā)生概率 記作: P(A|B) 相互獨(dú)立:如

    2024年02月10日
    瀏覽(23)
  • 咸魚(yú)之王小游戲PC版鼠標(biāo)模擬器實(shí)現(xiàn)

    最近朋友在玩咸魚(yú)之王小游戲,用電腦掛機(jī),由于火把缺乏,我看他經(jīng)常瘋狂的點(diǎn)鼠標(biāo)攻擊敵人。 我:\\\"你為什么不用鼠標(biāo)模擬器去點(diǎn)?\\\" 朋友:\\\"鼠標(biāo)模擬器點(diǎn)也不能干其他的事情,鼠標(biāo)必須放到游戲窗口才行。\\\", 我:\\\"我?guī)湍愫?jiǎn)單實(shí)現(xiàn)個(gè)鼠標(biāo)模擬器吧\\\" ?總結(jié) 其實(shí)原理很簡(jiǎn)單

    2024年02月12日
    瀏覽(113)
  • 樸素貝葉斯算法

    樸素貝葉斯算法

    ? Na?veBayes算法,又叫樸素貝葉斯算法。 ??樸素:特征條件獨(dú)立; ??貝葉斯:基于貝葉斯定理。屬于監(jiān)督學(xué)習(xí)的生成模型,實(shí)現(xiàn)簡(jiǎn)單,沒(méi)有迭代,并有堅(jiān)實(shí)的數(shù)學(xué)理論(即貝葉斯定理)作為支撐。在大量樣本下會(huì)有較好的表現(xiàn),不適用于輸入向量的特征條件有關(guān)聯(lián)的場(chǎng)景

    2024年02月09日
    瀏覽(16)
  • 【樸素貝葉斯算法】

    貝葉斯定理簡(jiǎn)介 貝葉斯定理是樸素貝葉斯算法的基礎(chǔ),它是一種概率理論,用于計(jì)算在給定一些條件下,另一些條件的概率。貝葉斯定理的核心思想是通過(guò)已知的信息來(lái)更新對(duì)未知事件的概率估計(jì)。 在貝葉斯定理中,我們用P(A|B)表示在事件B發(fā)生的條件下事件A發(fā)生的概率。它

    2024年02月15日
    瀏覽(23)
  • 樸素貝葉斯算法的介紹

    樸素貝葉斯算法的介紹

    一、樸素貝葉斯算法的介紹 1.什么是樸素貝葉斯算法? 樸素貝葉斯算法(Naive Bayes Algorithm)是一種基于貝葉斯定理和特征獨(dú)立性假設(shè)的概率分類(lèi)算法。它被廣泛應(yīng)用于文本分類(lèi)、垃圾郵件過(guò)濾、情感分析等任務(wù)。 樸素貝葉斯算法的 基本思想是基于訓(xùn)練數(shù)據(jù)中的特征和標(biāo)簽之

    2024年02月07日
    瀏覽(21)
  • 貝葉斯算法基本原理

    def BayesianOptimization(target,x,Y): ? ? IF 初始化? ? ? ? ? Yes:? ? ? ? ? ? ? xold為已知的所有點(diǎn)中目標(biāo)函數(shù)取得最大值的自變量值 ? ? ? ? ? ? IF target(xold)Y? ? ?? ? ? ? ? ? ? ? ? Yes: ? return xold,target(xold) ? ?#撞了大運(yùn),還沒(méi)開(kāi)始迭代就結(jié)束了 ? ? ? ? ? ? ? ? No: ? ?Pass

    2023年04月27日
    瀏覽(16)
  • 《機(jī)器學(xué)習(xí)核心算法》分類(lèi)算法 - 樸素貝葉斯 MultinomialNB

    《機(jī)器學(xué)習(xí)核心算法》分類(lèi)算法 - 樸素貝葉斯 MultinomialNB

    「作者主頁(yè)」: 士別三日wyx 「作者簡(jiǎn)介」: CSDN top100、阿里云博客專(zhuān)家、華為云享專(zhuān)家、網(wǎng)絡(luò)安全領(lǐng)域優(yōu)質(zhì)創(chuàng)作者 「推薦專(zhuān)欄」: 小白零基礎(chǔ)《Python入門(mén)到精通》 樸素貝葉斯法(Naive Bayes model 簡(jiǎn)稱(chēng) NBM )是基于 「貝葉斯定理」 與 「特征條件獨(dú)立假設(shè)」 的分類(lèi)方法。 「貝

    2024年02月08日
    瀏覽(54)
  • 21- 樸素貝葉斯 (NLP自然語(yǔ)言算法) (算法)

    21- 樸素貝葉斯 (NLP自然語(yǔ)言算法) (算法)

    樸素貝葉斯要點(diǎn) 概率圖模型 算法往往應(yīng)用于 NLP自然語(yǔ)言處理領(lǐng)域 。 根據(jù) 文本內(nèi)容 判定 分類(lèi) 。 ?概率密度公式 :?? 高斯 樸素貝葉斯算法: 伯努利分布 樸素貝葉斯算法 多項(xiàng)式分布 樸素貝葉斯表現(xiàn) 英文one-hot 編碼: jieba.lcut (str) 數(shù)據(jù)去重 :??? result = np.unique (result)?? ?

    2023年04月09日
    瀏覽(21)

覺(jué)得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請(qǐng)作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包