Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
看了很多讲贝叶斯的视频,这个讲得最清楚的,感谢播主。
是我目前看过最清楚的中文讲解,感谢!
学习机器学习的算法,想找类似的算法视频,怎么找,太多视频讲的不清楚,这个视频真的很好理解,很烦国内的垃圾视频让我浪费时间,跪求类似视频集合,用来学习技术学习
说得很清楚~用图形的方式来解释贝叶斯定理很棒。第三次再检验,确认患病的概率是 0.9918。贝叶斯的迭代验证太强了。
讲得非常清晰,强烈推荐!
I really like the teaching style, which is concise and visually evident. Learned a lot from the video. Thanks a lot !
内容讲得透彻,精准!难得的暖心老师!中文听起来更亲切,温馨。
看了好几个视频,这个讲的最清楚😀
说的全面又易懂,很感谢
解释得很清晰
精彩的講解!你的課程,我會好好去看。
很棒的講解,感謝老師!
好清晰,太感谢了
Thank you so much!!!!
感激。 讲得很清楚🙏🏼🙏🏼。 刚好是目前读的科目
謝謝
感謝分享
太清晰了,清晰得不得了
终于看明白了 谢谢
谢谢!!!
第三次的结果是0.9915,患病的可能性是99%; 老师讲的太好了,禁不住听老师的话自己手算了第三次的结果;我在荷兰的家庭医生,最开始就是用这个理论告诉我,荷兰没有居民的年度体检,因为异常指标不能说明真正患病,但是,虽然第一次测试的结果概率低,但是越多测试,越能逼近真相,所以还是应该多做体检,请问我这样理解对不对?
我想问一下假设符合图书管理员的有这样的个性p(E/H)=0.5 和假设农民有这样的个性=0.1 这两个数据是可以是任何数吗还是有啥别的因素
Thanks
如果第二次检测是阴性,那么患病的概率又是多少呢?
第一题,引用的数据有变换,一个邻居描述的Steve, 能接触到此问题的人,会认为该邻居周围认识的librarian 和farmer 的比例不会是1:50,可能librarian 比farmer还高,但在后面的说明时,librarian 和farmer 1:50的数据可能来自国家统计数字,在数据来源切换后,答案的解释的意义又在哪里?
这是目前中文讲解贝叶斯定理最好的视频 不知可否授权转载到B站让更多人受益?
这么好的视频,播放量太少了
从患者的角度说,如果我被诊断患癌症了,误诊几率只有2%,那么我相信没有人会用贝叶斯来计算,觉得自己得病的概率只有4.几%。都会觉得自己98%是中招了但是从医生的角度来看,每天检测了100个阳性的,只有4个左右是真的阳性,所以你大概率还是没有的癌症真是矛盾啊,我们应该相信谁
看了好几个类似的视频都没讲清楚。只有这个最清楚。
第一題 我能感受到我直覺偏誤 能用數學修正直覺但第二題 我認知出現一個大問題(我相信影片講的是對的)但我感受不到我錯 直覺轉不過來
正常。因为这里讲的 prior probability 是 sample space。但一般人不会没事去检验是否得某种疾病,所以现实中的 prior probability 应该是已经出现若干症状得某种疾病的概率。而且人验出疾病,直觉肯定是先从自己生活习惯,遗传问题去想,心中的 prior probability 被进一步推高。
条件概率,给力
这里的用词,明显是大陆中国人做出来的
看了很多讲贝叶斯的视频,这个讲得最清楚的,感谢播主。
是我目前看过最清楚的中文讲解,感谢!
学习机器学习的算法,想找类似的算法视频,怎么找,太多视频讲的不清楚,这个视频真的很好理解,很烦国内的垃圾视频让我浪费时间,跪求类似视频集合,用来学习技术学习
说得很清楚~用图形的方式来解释贝叶斯定理很棒。第三次再检验,确认患病的概率是 0.9918。贝叶斯的迭代验证太强了。
讲得非常清晰,强烈推荐!
I really like the teaching style, which is concise and visually evident. Learned a lot from the video. Thanks a lot !
内容讲得透彻,精准!难得的暖心老师!中文听起来更亲切,温馨。
看了好几个视频,这个讲的最清楚😀
说的全面又易懂,很感谢
解释得很清晰
精彩的講解!你的課程,我會好好去看。
很棒的講解,感謝老師!
好清晰,太感谢了
Thank you so much!!!!
感激。 讲得很清楚🙏🏼🙏🏼。 刚好是目前读的科目
謝謝
感謝分享
太清晰了,清晰得不得了
终于看明白了 谢谢
谢谢!!!
第三次的结果是0.9915,患病的可能性是99%; 老师讲的太好了,禁不住听老师的话自己手算了第三次的结果;我在荷兰的家庭医生,最开始就是用这个理论告诉我,荷兰没有居民的年度体检,因为异常指标不能说明真正患病,但是,虽然第一次测试的结果概率低,但是越多测试,越能逼近真相,所以还是应该多做体检,请问我这样理解对不对?
我想问一下假设符合图书管理员的有这样的个性p(E/H)=0.5 和假设农民有这样的个性=0.1 这两个数据是可以是任何数吗还是有啥别的因素
Thanks
如果第二次检测是阴性,那么患病的概率又是多少呢?
第一题,引用的数据有变换,一个邻居描述的Steve, 能接触到此问题的人,会认为该邻居周围认识的librarian 和farmer 的比例不会是1:50,可能librarian 比farmer还高,但在后面的说明时,librarian 和farmer 1:50的数据可能来自国家统计数字,在数据来源切换后,答案的解释的意义又在哪里?
这是目前中文讲解贝叶斯定理最好的视频 不知可否授权转载到B站让更多人受益?
这么好的视频,播放量太少了
从患者的角度说,如果我被诊断患癌症了,误诊几率只有2%,那么我相信没有人会用贝叶斯来计算,觉得自己得病的概率只有4.几%。都会觉得自己98%是中招了
但是从医生的角度来看,每天检测了100个阳性的,只有4个左右是真的阳性,所以你大概率还是没有的癌症
真是矛盾啊,我们应该相信谁
看了好几个类似的视频都没讲清楚。只有这个最清楚。
第一題 我能感受到我直覺偏誤 能用數學修正直覺
但第二題 我認知出現一個大問題
(我相信影片講的是對的)
但我感受不到我錯 直覺轉不過來
正常。因为这里讲的 prior probability 是 sample space。但一般人不会没事去检验是否得某种疾病,所以现实中的 prior probability 应该是已经出现若干症状得某种疾病的概率。而且人验出疾病,直觉肯定是先从自己生活习惯,遗传问题去想,心中的 prior probability 被进一步推高。
条件概率,给力
这里的用词,明显是大陆中国人做出来的