为什么贝叶斯定理在统计和机器学习中如此重要?

视频内容简介：
想象有两个布袋：布袋A有3个红球和1个蓝球，布袋B有1个红球和3个蓝球。现在随机选一个布袋（概率各一半），再从里面取出一个球。结果是红球，但你不知道它来自哪个布袋。那么问题是：这个红球来自布袋A的可能性是多少？
这正是贝叶斯定理要解决的事。原本两个布袋被选中的概率一样，可当我们知道取出的球是红色时，就要更新判断。因为从布袋A取红球的机会更大，所以直觉上会更倾向于布袋A。贝叶斯定理的核心就是：利用新信息不断修正原有的概率。
具体计算时，可以用树状图。先看两条路径：
路径一：选A并取到红球，概率=1/2 × 3/4 = 3/8。
路径二：选B并取到红球，概率=1/2 × 1/4 = 1/8。
红球总概率=3/8 + 1/8 = 1/2。于是，红球来自A的概率= (3/8) ÷ (1/2) = 3/4，也就是75%。
同样道理，若有三台机器产产品，产量和次品率不同，我们也能用贝叶斯定理算出：当抽到一个次品时，它来自哪台机器的可能性最大。由此可见，贝叶斯定理就是一种“用结果反推原因”的数学工具。
#微博兴趣创作计划##优质博文上热搜开放计划##趋势榜上线新入口##纪录片[超话]# http://t.cn/AXhQwjzM