美文网首页
置信度上篇

置信度上篇

作者: Bellarose_Wild | 来源:发表于2022-04-01 19:11 被阅读0次

“我们对证据或理论的置信度通常依赖于知识背景B,那么根据概率公理,同样可以推出:

P(T|E&B)=(P(E|T&B)×P(T|B))/(P(E|B))  ” T=THEORY(理论)、E=EVIDENCE(证据),B=“知识背景”

则,P(T∧“有源证据”)=(P(E∧“有源理论”)×P(T∧B))/(P(E∧B)),即理论在“有源证据”成立时的概率=(证据在“有源理论”成立时的概率×理论在知识背景成立时的概率)/证据在知识背景成立时的概率。

假设:“有源理论”为正常的骰子,则证据在“有源理论”成立时的概率可改写为:一面朝上出现在骰子成立时的概率,“面”依托于“骰子”,就好比孙悟空从石头缝里蹦出来,得有一块能长孙悟空的石头才行。

按照相对频率的原理来计算的话,理论在“有源证据”成立时的概率=证据出现的次数/(“有源理论”出现的总次数)×理论出现的次数/背景成立的总次数÷(证据出现的次数/背景成立的总次数)=理论出现的次数/“有源证据”成立的总次数,

左边=证据出现的次数/(“有源理论”出现的总次数)×理论出现的次数/背景成立的总次数÷证据出现的次数/背景成立的总次数

右边=理论出现的次数/“有源证据”成立的总次数

如果左边>右边, 则有“有源理论”出现的总次数<“有源证据”出现的总次数,则E是对T的验证;

如果左边=右边,则有“有源理论”出现的总次数=“有源证据”出现的总次数,则E对于T是中立的。

如果左边<右边,则有“有源理论”出现的总次数>“有源证据”出现的总次数,则E是对T的反正。

证据和“有源理论”有蕴含关系,即证据⊃“有源理论”,同理:理论⊃知识背景,证据⊃知识背景,而有源理论应当是有限的,证据和知识背景是无限的。

相关文章

  • 置信度上篇

    “我们对证据或理论的置信度通常依赖于知识背景B,那么根据概率公理,同样可以推出: P(T|E&B)=(P(E|T&...

  • 支持度和置信度

  • 获取位置信息

    添加权限: 动态权限 获取位置信息: 根据经纬度去请求百度地图或者高德地图的WebApi获取位置信息: 百度地图百...

  • vue基于百度地图获取位置信息

    目的 在vue页面,基于百度地图获取访问当前H5页面用户的位置信息(经纬度) 1. 基于百度地图开放能力获取位置信...

  • hexo设置icarus主题

    上篇博文只是简单搭建起来了Hexo博客,现在来设置主要配置信息和修改主题icarus Hexo配置 替换icaru...

  • R语言与关联规则挖掘—购物篮分析

    名词: 挖掘数据集:购物篮数据 挖掘目标:关联规则 关联规则:啤酒=>尿布(支持度0.02,置信度0.6) 支持度...

  • Python --深入浅出Apriori关联分析算法(二) Ap

    上一篇我们讲了关联分析的几个概念,支持度,置信度,提升度。以及如何利用Apriori算法高效地根据物品的支持度找出...

  • 商业技术分析第五课

    知识点介绍: 置信度:又称可信度,通俗点来说就是准确度。 置信区间:样本统计量所构造的总体参数的估计区间。我的理解...

  • 12星座受关注度(上篇)

    · 射手座· 95% 射手座天生就人缘好,任何圈子里都能混得开,而且是唯一一个能和其余11个星座和平共处、相谈甚欢...

  • fp_growth频繁项集和关联规则Spark ML调用实现

    摘要:关联规则,置信度,支持度,提升度,规则集,数据挖掘,Spark 关联规则 关联规则是基于统计的无监督学习方法...

网友评论

      本文标题:置信度上篇

      本文链接:https://www.haomeiwen.com/subject/ofaajrtx.html