第四十七章 做戏不做全，容易挨批评[1/2页]

天才一秒记住本站地址：[妙书网]https://m.miaoshula.org最快更新！无广告！

    “如果先验概率P（0），P(1)已知，条件概率P(x|1）和P(x|0)也已知，可以计算得到无条件概率：

    nbspP(x)=P(0)P(x|0)+P(1)P(x|1)；

    nbsp后验概率P（0|x)=nbspP(0)P(x|0)/P(x)，P(1|x)=P(1)P(X|1)/P(x)，如果P(0|x)P(1|x)，判决为0，反之判决为1，如果相等，选谁都一样，此之谓”贝叶斯决策最优“。

    nbsp兄弟们学会了吗？”夏小语软糯糯的说道。

    nbsp【好的，兄弟们我学废了】

    nbsp【谢谢up猪的普及，我是来看跳舞的，请教一下现在舞蹈区都这么卷吗？】

    nbsp【up猪真的不考虑把分区改为普及区吗？或许受众会多很多。】

    nbsp【啊~~这黏糊糊的声音，我酥了，要是我数学老师这么教我数学，菲尔兹奖必定有我的一份。】

    nbsp【为什么视频下方会有，请勿模仿的字样，啊b这是多看得起我？】

    nbsp【近年很火的元学习，从贝叶斯的视角来看，就是经验贝叶斯（EmpiricalnbspBayes）的方法，从大量任务中学习任务的先验，期待这样的先验能够使我们的预测更加准确。】

    nbsp夏小语大喜，果然还是有人懂的，这种分享知识共同学习的感觉真不错，当即说道：

    nbsp“这位名叫研究动物世界繁衍的b友说的没错，如果你感觉Bayesiannbspmodels反直觉，不好理解！本次分享两个工具，利用可视化的直观方式探索贝叶斯模型，详细的我放在了作者的话里面，有兴趣的可以查看哟！”说罢俏皮的单眨了眨眼，双手比了个开枪的姿势。

    nbsp【不枉我听了一个小时的数学课，值了。】

    nbsp【下次能不能提前打个招呼，差点就错过了。】

    nbsp【兄弟们，这是我最后的营养了...】

    nbsp“好了，b友们，我要继续水论文了，大家加油哦！”夏小语比了个心微笑着关掉了对话框，转而投入到论文的创作之中，一边写作，脑子里想到的都是刚才b友们的评论和自己的分析。

    nbspP波触发后前3nbsps的P波平均周期τ_(c)和位移幅值P_(d)，

    nbsp结合贝叶斯理论建立震级和峰值加速度的预测模型，并以震级M4.5和峰值加速度为120nbspcm/s(2)为预警阈值，

    nbsp建立了地震危害性判别模型.与传统拟合方法进行对比仿真分析，并以汶川M_(S)8.0地震为震例，进行地震危害性判别实验与分析。

    nbsp计算及实验结果表明基于贝叶斯理论的地震P波双参数预警方法比传统拟合方法地震漏报率低可以快速，准确地估计震级与峰值加速度，并有效地评估地震的危害性，能够为地震监测预警提供数据支持和决策依据.

    nbsp以上为本篇论文的核心思想，套入了公式后计算就变得非常简单了，难点是在于思路和分析，即“逆概率”的问题。甚至只有足够的公式以及先制条件，初中生都可以计算出来。

    nbsp什么是正向概率呢？举个例子，杜蕾斯举办了一个抽奖，抽奖桶里有10个球，其中2个白球，8个黑球，抽到白球就算你中奖。你伸手进去随便摸出1颗球，摸出是中奖球的概率是多大。

    nbsp根据频率概率的计算公式，你可以轻松的知道中奖的概率=中奖球数（2个白球）/球总数（2个白球+8个黑球

    nbsp而贝叶斯在他的文章中是为了解决一个“逆概率”的问题。比如上面的例子我们并不知道抽奖桶里有什么，而是摸出一个球，通过观察这个球的颜色，来预测这个桶里里白色球和黑色球的比例。

 &nb

第四十七章 做戏不做全，容易挨批评[1/2页]

『加入书签，方便阅读』