ベイズの定理
事前にわかっている確率は $\Pr\{B_i\}$， $\Pr\{A\ |\ B_i\}$ だけでよい。 事後にわかった事実 “女子である” ということから，事後確率 $\Pr\{B_i\ |\ A\}$ を得ようとするのが問題の趣旨である。 2 年生の女子である確率 $\Pr\{B_2 \cap A\} = 45\ /\ 510$ は，2 年生である確率 $\Pr\{B_2\} = 121\ /\ 510$ と 2 年生であるという条件付きでの女子である確率 $\Pr\{A\ |\ B_2\} = 45\ /\ 121$ を用いて乗法定理の ( 2 ) 式から， \[ \begin{align*} \Pr\{B_2 \cap A\} &= \Pr\{B_2\} \times \Pr\{A\ |\ B_2\} \\[5pt] &= \frac{121}{510} \times \frac{
ベイジアンフィルタについて
最近話題のベイズ理論を用いたフィルタについて整理してみました．まず，ベ イズ理論が注目され始めたというニュースを最初にみたのが，ＭＳも注目する “ベイズ”って何だ(oricom.co.jp)でした． このときは対して気にもとめていませんでしたが，再度興味をそそられ出した のが，グーグル、インテル、MSが注目するベイズ理論(CNET)のニュース． MSだけならまだしも，Googleが，というのが自分的には大きかったです．しか し，このニュースだけでは，この技術が具体的にどのように採用されるのか， 特に検索エンジンのような大規模なものに適用可能かどうかは大きな疑問でし た． そもそも，このベイズ理論がどこに聞いてくるのかということを考えるとその 疑問は自然だと思います．ベイズ理論（ベイズ推定）は，過去に起きた事象の 確率を利用して未来を予測する手法です．そのため，直感的にはユーザごとの 最適化
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
