应用条件概率

Advanced Probability: 数据中的不确定性

Maarten Van den Broeck

Senior Content Developer at DataCamp

理解条件概率

• 在事件A已发生的条件下，事件B发生的概率
• 示例：
  • 客户查看了产品页（事件A）

理解条件概率

• 在事件A已发生的条件下，事件B发生的概率
• 示例：
  • 客户查看了产品页（事件A）
  • 客户会购买吗？（事件B）

条件概率的实际应用

• 客户留存分析：
  • 给定使用高级功能，客户会续订吗？
• 欺诈检测：
  • 给定异常消费模式，交易是否为欺诈？
• 供应链优化：
  • 在恶劣天气下延误的概率？

用贝叶斯定理修正概率

• 根据新证据修正概率
• 从以下开始：先验概率 + 新数据 + 似然

用贝叶斯定理修正概率

• 根据新证据修正概率
• 起点：先验概率 + 新数据 + 似然
• 终点：后验概率

贝叶斯建模与决策制定

• 新数据到来时持续更新
• 管理不确定性与不完整数据
• 调整并改进决策

示例：欺诈检测

• 用贝叶斯模型追踪信用卡欺诈
  • 基于行业数据的先验概率：2%
• 新交易
  • 支出行为突然变化
    • 出现在85%的欺诈交易中
    • 仅出现在5%的正常交易中
  • 更新后的后验概率显著上升至25.8%
• 该交易被标记为复核

Passons à la pratique !

Advanced Probability: 数据中的不确定性