概率論最初的發(fā)展是為了分析事件發(fā)生的頻率。我們可以很容易地看出概率論，對(duì)于像在撲克牌游戲中抽出一手特定的牌這種事件的研究中，是如何使用的。這類事件往往是可以重復(fù)的。當(dāng)我們說一個(gè)結(jié)果發(fā)生的概率為 $p$，就意味著如果我們反復(fù)實(shí)驗(yàn) (例如，抽取一手牌) 無限次，有$p$ 的比例會(huì)導(dǎo)致這樣的結(jié)果。這種推理似乎并不立即適用于那些不可重復(fù)的命題。如果一個(gè)醫(yī)生診斷了病人，并說該病人患流感的幾率為 40%，這意味著非常不同的事情——我們既不能讓病人有無窮多的副本，也沒有任何理由去相信病人的不同副本在具有不同的潛在條件下表現(xiàn)出相同的癥狀。在醫(yī)生診斷病人的情況下，我們用概率來表示一種 信任度（degree of belief），其中 1 表示非?？隙ú∪嘶加辛鞲?#xff0c;而 0 表示非常肯定病人沒有流感。

前面一種概率，直接與事件發(fā)生的頻率相聯(lián)系，被稱為 頻率派概率（frequentist probability）；而后者，涉及到確定性水平，被稱為貝葉斯概率（Bayesian probability）。

在機(jī)器學(xué)習(xí)中，大多數(shù)的概率，均是指貝葉斯概率。比如CTR算法中，預(yù)測(cè)一個(gè)用戶點(diǎn)擊廣告的概率是0.1，這是一個(gè)貝葉斯概率。

總結(jié)

以上是生活随笔為你收集整理的频率概率与贝叶斯概率的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。