数据模型决策-介绍.ppt

贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。 重点是收集新的信息，不断更新发生概率。 * 假设已经抽出红球为事件 B，从容器 A 里抽出球为事件 A，则有：P(B) = 8 / 20，P(A) = 1 / 2，P(B | A) = 7 / 10，按照公式，则有：P(A|B)=(7 / 10)*(1 / 2)/(8/20)=0.875 * 我们假设 A 事件为狗在晚上叫，B 为盗贼入侵，则 P(A) = 3 / 7，P(B)=2/(20·365)=2/7300，P(A | B) = 0.9，按照公式很容易得出结果：P(B|A)=0.9*(2/7300)/(3/7)=0.00058 * 天真贝叶斯，讲不讲？贝叶斯推断及其互联网应用（二）：过滤垃圾邮件 /blog/2011/08/bayesian_inference_part_two.html * Tesla Roadster的底盘是由路特斯提供，来自路特斯Elise。我们知道路特斯Elise是一款超轻量型跑车，仅用1.8L排量的发动机就获得高性能跑车 的动力。那么Tesla Roadster强悍的电动机又能提供怎样的性能？尽管6831块电池让Tesla Roadster的重量达到1.2吨，然而凭借电动机强悍的扭矩，其0-100km/h加速仅需3.9s，Tesla Roadster Sport进一步缩短到3.7s，完全的超级跑车级别！Tesla Roadster的有效里程超过300km基本没问题。 /modelx * EXCEL算列 2 贝叶斯 贝叶斯(1702-1763) Thomas Bayes，英国数学家。1702年出生于伦敦，做过神甫。1742年成为英国皇家学会会员。1763年4月7日逝世。贝叶斯在数学方面主要研究概率论。他首先将归纳推理法用于概率论基础理论，并创立了贝叶斯统计理论，对于统计决策函数、统计推断、统计的估算等做出了贡献。1763年发表了这方面的论著，对于现代概率论和数理统计都有很重要的作用。 回忆 另一个例子，现分别有 A，B 两个容器，在容器 A 里分别有 7 个红球和 3 个白球，在容器 B 里有 1 个红球和 9 个白球，现已知从这两个容器里任意抽出了一个球，且是红球，问这个红球是来自容器 A 的概率是多少? 贝叶斯公式 P(A∩B)=P(A)*P(B|A)=P(B)*P(A|B) P(A|B)=P(B|A)*P(A)/P(B) P(B|A)=P(A|B)*P(B)/P(A) 例如：一座别墅在过去的 20 年里一共发生过 2 次被盗，别墅的主人有一条狗，狗平均每周晚上叫 3 次，在盗贼入侵时狗叫的概率被估计为 0.9，问题是：在狗叫的时候发生入侵的概率是多少？ 天真/朴素贝叶斯，Na?ve Bayes 大数据时代 利用所有数据，而不是仅仅依靠一小部分数据。 乔布斯癌症治疗，2003年被披露患上“癌中之王”的胰腺癌，8年抗战。 信用卡报警。 谷歌翻译 不是因果关系，相关关系更重要 沃尔玛，季节性飓风来临，手电筒，Pop-Tarts蛋挞销量增加 Target，无香乳液、营养品、维他命等20种关联物 UPS，2000开始为60000辆车进行预防性维护，以前是每2－3年定时更换零件 早产儿病情诊断，24小时之前发现感染症状，稳定的生命体征预示着严重的感染 数据化，一切皆可量化 Maury（Pathfinder of the Seas and Father of Modern Oceanography and Naval Meteorology ） 的航海图，美国海军航海图 坐姿研究与汽车防盗系统，360个压力传感器，识别准确率达到98% 文字变成数字，方位变成数字，沟通变成数据（facebook, twitter） 基于数据的创新 IBM，电动汽车动力与电力供应系统优化 Google 街景与GPS数据采集 * 一定带电脑，跟着操作一遍。 * 学生背景不一样，文科， * 统计，心理学，数学是基础学科，美国本科生必学的，咱们中国学什么？ * t分布的推导由英國人威廉·戈塞（Willam S. Gosset）于1908年首先发表，当时他还在愛爾蘭都柏林的吉尼斯（Guinness）啤酒酿酒厂工作。酒廠雖然禁止員工發表一切與釀酒研究有關的成果，但允許他在不提到釀酒的前提下，以筆名發表t分佈的發現，所以论文使用了「学生」（Student）这一笔名。 T检验是用于小样本（样本容量小于30）的两个平均值差异程度的检验方法。它是用T分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显著。 * * * 蒙特卡罗，统计仿真 * * 个人背景不同，有人学过，有人没有学过，先扫盲。