机器算法验证 - 贝叶斯更新 - 吾爱随笔录

昨天我得到了一个数据集（即 iid 实现）并计算了所需的经验条件概率，其中是数据中的事件。 $(a_1,\ldots,a_n)$ $n$ $P(A_n|B_n)$ $A_n,B_n$

今天，我收到了一个新数据点，我的总数据集现在是。给定这个新数据，我再次想计算“更新的” $(a_1,\ldots,a_n,a_{n+1})$ $P(A_{n+1}|B_{n+1})$

我的问题是，如何在这里使用“贝叶斯更新”？我可以使用定义计算，但我有兴趣学习如何使用这种贝叶斯更新技术。我最好的猜测是即使用我以前的后验作为我的新先验，但这个陈述在数学上不正确。特别是，必然。那么，“贝叶斯更新”是什么意思，为什么我应该使用它而不是使用定义来计算条件概率呢？ $P(A_{n+1}|B_{n+1})$

P (A_{n + 1} | B_{n + 1}) = \frac{P (B_{n + 1} | A_{n + 1}) P (A_{n} | B_{n})}{P (B_{n + 1})},

$P(A_{n+1}|B_{n+1}) = \frac{P(B_{n+1}|A_{n+1})P(A_n|B_n)}{P(B_{n+1})},$

P (A_{n + 1} | B_{n + 1}) \notin [0, 1]

$P(A_{n+1}|B_{n+1}) \notin [0,1]$