14. 조건부 확률
사건 B가 발생한 결과를 바탕으로 다른 사건 A가 발생 가능한 확률을 계산할수
있는 정리 – Bayes의 정리
조건부 확률에서는 새로운 정보를 알았을 때 확률의 개선이 일어나게 된다.
15. Machine Learning 과 Bayesian
베이시안 확률에 대한 해석은 Machine Learning 기술들을 이해하는 데에 굉장히
중요한 해석이다. Machine Learning은 특정 Data Set이 주어졌을 때 어떠한 사건
혹은 가설이 일어날 확률 을 가장 높여줄 수 있는 모델을 찾는 것을 근본적인 목
적으로 가진다.
16. Bayesian Probability
중고등학교때부터 우리는 "확률"이라는 개념에 대해 배웠다. 이는
"frequentiest interpretation"이라고 부른다. 즉, 우리가 배워 온 수학적 확률, 경험
적 확률이라고 하는 개념은 철저히 "빈도"에 대한 개념이다
베이시안 확률은 빈도에 대한 개념이 아닌 "불확실성 (Uncertainty)"에 대한 개념
사전확률 p(w) 과 우도확률 p(D|w)를 안다면 사후확률 p(w|D)를 알 수있다는 것
이다.
