目录:
定义-贝叶斯统计是什么意思？
贝叶斯统计是一种动态概率统计，通常在当今的人工智能和机器学习领域中使用。 这些技术试图超越纯粹的线性编程而成为一种概率更高的方法。 贝叶斯统计补充了这一思想，因为贝叶斯统计方法比迄今为止最常见的统计分析类型“频率”统计更为复杂，并且基于不同的概率基础。
技术百科解释了贝叶斯统计
频繁的统计信息只是基于已知数量的特定测试集来获取给定事件的概率。 相比之下，贝叶斯统计则采用概率，并允许其表达结果的“信念度”，并基于假设建立推理。 贝叶斯统计最早由托马斯·贝斯（Thomas Bayes）于1770年代提出，他创建了贝叶斯定理，将这些思想付诸实践。
考虑贝叶斯统计的另一种方法是，它利用“条件概率” –它考虑了多个因素。 考虑一下抛硬币的过程，在这里可以进行大量测试以确定每次访问者的统计模型将接近50％。 但是，贝叶斯统计可能会考虑条件因素，并将其应用于原始的常客统计。 在确定抛硬币的结果时，如果考虑到是否在下雨怎么办？ 可能会影响统计结果的结果吗？
通常，这样的环境因素不会改变掷硬币的结果，但是在商业世界中，有许多条件因素相互影响，因此贝叶斯统计数据可以成为从数据中获取洞察力的有力部分。 这就是贝叶斯统计数据在企业技术中如此普遍使用的原因。
