[Day 9] Bayesian

https://www.codestates.com/

코딩부트캠프 | 코드스테이츠 - 비전공생도 개발자가 될 수 있습니다

---

Warm-up

• 이유불충분의 원리 ( The Principle of Insufficient Reason )
• 베이즈 정리 ( Bayes' theorem ) : 사전확률을 바탕으로 사후확률을 얻는 것

---

Note

• 총 확률의 법칙 ( The row of Total Probability ) : A라는 특정확률 변수에 대해, 모든 가능한 이벤트의 총 확률은 1 이다.
  • 𝑃 ( 𝐴 | 𝐵 ) : B가 일어난 상황에서의 A에 대한 확률
• 조건부 확률 ( The row of Conditional Probability ) 
  • 𝑃 (𝐴 | 𝐵) = 𝑃 (𝐴 ∩ 𝐵) / 𝑃 ( 𝐵 )
• 베이지안 이론 ( Bayesian Theorem )
  • 𝑃 ( 𝐴 | 𝐵 ) = 𝑃 ( 𝐵 | 𝐴 ) * 𝑃 ( 𝐴 ) / 𝑃 ( 𝐵 )
  • 𝑃 ( 𝐵 ) = 𝑃 ( 𝐵 | 𝐴 ) * 𝑃 ( 𝐴) + 𝑃 ( 𝐵 | 𝑛𝑜𝑡𝐴 ) * 𝑃 ( 𝑛𝑜𝑡𝐴 )
  • 조건이 붙지 않을 확률은 사전확률 ( Prior )
  • 조건이 붙은 확률은 사후확률 ( Updated )
• TPR ( True Positive Rate, = 민감도, True Accept Rate ) : 1인 케이스에 대해 1로 잘 예측한 비율
• FPR ( False Postive Rate, 1 - 특이도, False Accept Rate ) : 0인 케이스에 대해 1로 잘못 예측한 비율
• Naive Bayes Classification

---

Daily Review

오늘은 베이지안 이론에 대해 배웠는 오늘은 코드 위주보다는 이론 위주였는데, 그냥 설명을 들었을 때는 쉬워 보였는데 막상 문제에 적용할려고 하니 좀 어려웠다. 좀 더 공부할 필요가 있는 파트인거 같다.

---

참고

https://www.youtube.com/watch?v=Y4ecU7NkiEI&feature=emb_title