Teorema de Bayes -- Actualiza tu juicio con nueva evidencia
El teorema de Bayes es la piedra angular del razonamiento probabilístico.Creencia previa + nueva evidencia → creencia actualizada.
Explicación de conceptos
P(E) es el factor de normalización: \( P(E) = P(E|H)P(H) + P(E|\text{not }H)P(\text{not }H) \).
Idea central:Actualizar continuamente nuestro juicio con nuevos datosEste es el patrón básico de todos los métodos bayesianos.
Ejemplo de la vida real
La trampa del falso positivo en la detección de enfermedades
La prevalencia de una enfermedad es del 0,1% y la precisión de la prueba es del 99%. Si el resultado es positivo, la probabilidad real de padecer la enfermedad es solo del 9% aproximadamente.
¿Por qué? Porque la enfermedad es extremadamente rara; el número absoluto de falsos positivos (el 1% de personas sanas mal diagnosticadas) supera con creces a los verdaderos positivos.
El teorema de Bayes revela esta conclusión contraintuitiva:Cuando la probabilidad a priori es muy baja, incluso si la prueba es muy precisa, un resultado positivo probablemente sea un falso positivo.。
Práctica con Python
Ejemplo
P_H = 0.001 # A priori: prevalencia 0,1%
P_E_given_H = 0.99 # Sensibilidad 99%
P_E_given_notH = 0.01 # Tasa de falsos positivos 1%
P_E = P_E_given_H * P_H + P_E_given_notH * (1 - P_H)
P_H_given_E = P_E_given_H * P_H / P_E
print("=== EJEMPLO Detección de Enfermedades ===")
print(f"Prevalencia a priori: {P_H:.1%}")
print(f"Probabilidad real de enfermedad tras resultado positivo: {P_H_given_E:.1%}")
print(f"Conclusión: con una probabilidad base muy baja, los falsos positivos superan con creces a los verdaderos positivos")
Salida:
=== EJEMPLO 疾病检测 === 先验患病率: 0.1% 检测阳性后,实际患病概率: 9.0% 结论:极低基础概率下,假阳性远超真阳性
Escenarios de aplicación en IA
Clasificador Naive Bayes
Supone independencia condicional entre las características, utiliza el teorema de Bayes para calcular la probabilidad a posteriori P(categoría|características) y selecciona la categoría con mayor probabilidad a posteriori. Funciona sorprendentemente bien en clasificación de texto (filtrado de correo no deseado, análisis de sentimientos) — aunque la suposición de independencia "ingenua" a menudo no se cumple en la práctica, la precisión de clasificación sigue siendo muy alta.
Optimización bayesiana para el ajuste de hiperparámetros
Al elegir hiperparámetros como la tasa de aprendizaje o el número de capas, cada entrenamiento lleva mucho tiempo. La optimización bayesiana usa un proceso gaussiano como distribución a priori, actualiza la distribución a posteriori según las combinaciones de hiperparámetros ya evaluadas (evidencia) y selecciona inteligentemente el siguiente conjunto de hiperparámetros más prometedor. Es mucho más eficiente que la búsqueda en cuadrícula y la búsqueda aleatoria.
Autoencoder variacional (VAE)
El codificador del VAE genera la media μ y la varianza σ² de la distribución latente, y luego usa la divergencia KL para restringir que esta distribución se acerque a la distribución a priori normal estándar N(0,1). El marco "a priori → a posteriori" aquí es el teorema de Bayes: la distribución a priori es N(0,1), la verosimilitud proviene del error de reconstrucción del decodificador, y la distribución a posteriori es la distribución de salida del codificador.
Otras extensiones