Bayesian
핵심 키워드
- 조건부 확률 ( conditional probability)
- 베이지안 추측의 사용 예시
베이즈 정리 이해 참고 유튜브
- 베이즈 정리 약물 양성 반응 예시
#TPR : True Positive Rate (= 민감도, true accept rate) 1인 케이스에 대해 1로 잘 예측한 비율.(암환자를 암이라고 진단 함)
#FPR : False Positive Rate (=1-특이도, false accept rate) 0인 케이스에 대해 1로 잘못 예측한 비율.(암환자가 아닌데 암이라고 진단 함)
p_pos_used = 0.99 # True positive rate (TPR, Sensitivity)
p_used = 0.005 # prior probability
p_pos_not_used = 0.01 # False positive rate (FPR)
p_not_used = 1 - p_used # 1 - p_used
numerator = p_pos_used * p_used
denominator = (p_pos_used * p_used) + (p_pos_not_used * p_not_used)
posterior_probability = numerator / denominator
posterior_probability
0.33221476510067116
p_pos_used = 0.99 # TPR
p_used = 0.332 # prior probability
p_pos_not_used = 0.01 # FPR
p_not_used = 1 - p_used # 1 - p_used
numerator = p_pos_used * p_used
denominator = (p_pos_used * p_used) + (p_pos_not_used * p_not_used)
posterior_probability = numerator / denominator
posterior_probability
#result 0.980081106870229
- Scipy 활용한 Bayesian 기반 신뢰구간 추정
from scipy import stats
mean, variance, std = stats.bayes_mvs(coinflips, alpha = .95)
# result Mean(statistic=0.35, minmax=(0.12097224312031751, 0.5790277568796824))
- 조건부 확률
시험을 푸는 학생은 답을 알거나 찍어야하는 상황, 학생이 답을 알고 맞췄을 확률은?
p : 답을 알 확률
1/m : 찍어서 맞출확률
p / ((1/m) * (1-p)) + p
'[CodesSates] AI 부트캠프' 카테고리의 다른 글
Linear Algebra + (0) | 2021.03.21 |
---|---|
Vector / Matrix (0) | 2021.03.21 |
Confidence Interval (0) | 2021.03.16 |
Hypothesis Test (0) | 2021.03.14 |
Hypothesis Test (0) | 2021.03.14 |