貝葉斯的底層思想就是：

如果我能掌握一個事情的全部信息，我當然能計算出一個客觀概率（古典概率）。

可是生活中絕大多數決策面臨的信息都是不全的，我們手中只有有限的信息。既然無法得到全面的信息，我們就在信息有限的情況下，盡可能做出一個好的預測。也就是，在主觀判斷的基礎上，你可以先估計一個值（先驗概率），然后根據觀察的新信息不斷修正(可能性函數)。

貝葉斯定理太有用了，不管是在投資領域，還是機器學習，或是日常生活中幾乎都在用到它。

例如，生命科學家用貝葉斯定理研究基因是如何被控制的；教育學家意識到，學生的學習過程其實就是貝葉斯法則的運用；基金經理用貝葉斯法則找到投資策略；谷歌用貝葉斯定理改進搜索功能，幫助用戶過濾垃圾郵件；無人駕駛汽車接收車頂傳感器收集到的路況和交通數據，運用貝葉斯定理更新從地圖上獲得的信息；人工智能、機器翻譯中大量用到貝葉斯定理...

我將從以下4個角度來科普貝葉斯定理及其背后的思維：

1.貝葉斯定理有什么用？

2.什么是貝葉斯定理？

3.貝葉斯定理的應用案例

4.生活中的貝葉斯思維

1.貝葉斯定理有什么用？

英國數學家托馬斯·貝葉斯（Thomas Bayes）在1763年發表的一篇論文中，首先提出了這個定理。而這篇論文是在他死后才由他

總結

以上是生活随笔為你收集整理的如何简单理解贝叶斯决策理论（Bayes Decision Theory）的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。