概率論最初的發展是為了分析事件發生的頻率。我們可以很容易地看出概率論，對于像在撲克牌游戲中抽出一手特定的牌這種事件的研究中，是如何使用的。這類事件往往是可以重復的。當我們說一個結果發生的概率為 $p$，就意味著如果我們反復實驗 (例如，抽取一手牌) 無限次，有$p$ 的比例會導致這樣的結果。這種推理似乎并不立即適用于那些不可重復的命題。如果一個醫生診斷了病人，并說該病人患流感的幾率為 40%，這意味著非常不同的事情——我們既不能讓病人有無窮多的副本，也沒有任何理由去相信病人的不同副本在具有不同的潛在條件下表現出相同的癥狀。在醫生診斷病人的情況下，我們用概率來表示一種 信任度（degree of belief），其中 1 表示非?？隙ú∪嘶加辛鞲?#xff0c;而 0 表示非?？隙ú∪藳]有流感。

前面一種概率，直接與事件發生的頻率相聯系，被稱為 頻率派概率（frequentist probability）；而后者，涉及到確定性水平，被稱為貝葉斯概率（Bayesian probability）。

在機器學習中，大多數的概率，均是指貝葉斯概率。比如CTR算法中，預測一個用戶點擊廣告的概率是0.1，這是一個貝葉斯概率。

總結

以上是生活随笔為你收集整理的频率概率与贝叶斯概率的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。