隔壁的女神，老是对我笑？啥意思呢，我就用Python来分析一下

最近我认识了一个姑娘，这个姑娘长得不错，眼睛大大的，个人高挑，身材火辣，对人很喜欢笑。而且这个爱笑的姑娘对我还经常打招呼，笑脸相迎，哎呀看的我胸口小鹿乱撞，是不是喜欢我呢？

哎...我这没车没钱没房子，就是一个屌丝码农，172的个子，长相一般，难道看上我了！！如果能看上我的话，这单身多年的问题就解决啦，就可以赶紧打电话给老妈啦～～，不要再给我介绍某某某啦！怎么办，最近在搞机器学习，要不用机器学习算法来预测一下吧！

01.

机器学习

贝叶斯算法

啥是贝叶斯算法，我们先来做一些定义。事件A代表姑娘对他人笑，事件B1代表姑娘喜欢一个人，而事件B2则代表了姑娘不喜欢一个人。事件的定义如下图所示。

我们假定这位姑娘对一个人笑的概率为0.7，也即P(A) = 0.7，同理我们也对事件B1和事件B2的概率做出假设，如上图所示。P(B1) = 0.2， P(B2) = 0.8。这里我们假设这个姑娘要么是喜欢一个人，要么是不喜欢一个人，所以有P(B1) + P(B2) = 1。这里我们还假定姑娘喜欢一个人的情况下对他笑的概率是0.7，也即P(A|B1) = 0.7，而姑娘不喜欢一个人对他笑的概率是0.3,即为P(A|B2) = 0.3。

所以有了上述的定义之后，我们如何利用贝叶斯公式来计算姑娘对我笑其实是喜欢我们的概率，也就是求P(B1|A)的大小呢？

我们可以这样来思考，一个姑娘对一个人笑，在我们的上述的定义中，只有两层的含义呢：

• 要么是喜欢这个人
• 要么是不喜欢这个人

那么只要求出在喜欢一个人的概率之下（P(B1)）乘以该姑娘喜欢一个人并对其笑的概率，再除以该姑娘对所有人笑的概率，不久可以求出来我们所要寻求的结果了吗？这段话利用下图进行直观的解释更加比较容易理解。

上图中不同形状代表的是不同的概率大小，而我们最终所要求的值P(B1|A)也就是P(喜欢一个人|对一个人笑)的大小。

所以我们可以得到最后的贝叶斯公式为

为了更好的让大家理解贝叶斯公式，我们针对上述公式来举个例子：

1).假设这位姑娘对每个人都微笑，那么根据人们的经验，她对你笑说明不了任何问题。

2).而上述公式中P(对一个人笑|喜欢一个人)和P(对一个人笑|不喜欢一个人)两项的值都是1

3).因为不管她喜不喜欢他人，这个姑娘都会对人微笑

此时有=>  P(喜欢一个人|对一个人笑)=P(喜欢一个人)

4).也就是说她对你微笑并没有改变任何事情。

再举另外一个比较极端的例子，这位姑娘只对她喜欢的人微笑，这包含了两个假设，用公式描述就是P(喜欢一个人)=P(对一个人微笑)，并且P(对一个人笑|喜欢一个人)=1

此时有=>P(喜欢一个人|对一个人笑)=1。

那么，她肯定是喜欢你的。

02.

用程序来算一下

下面我们利用python来阐述上面的过程。程序如下。

上图的程序中，我们利用python将贝叶斯公式进行了简单的实现，并得到了我们想要得到的概率值。

我们上述的程序中，将一个姑娘对人笑的概率设成固定值0.7，喜欢一个人的概率为0.2，与之对应的是不喜欢一个人的概率为0.8。

然后你对着这个模型输入：

• 姑娘喜欢一个人并对其笑的概率 
• 姑娘不喜欢一个人并对其小的概率
  

你能知道 她对你笑到底是啥意思？

---

上述的讲述中，小编利用一个简单的示例带领大家理解了一下贝叶斯公式的内容，并对其进行程序实现，贝叶斯公式在机器学习中的应用范围非常的广泛，其实日常生活中经常用到！

其实机器学习看似非常深奥，但是掌握了之后对我们的帮助很大！有兴趣的同学，也可以动手研一下。以上就是小编为大家带来的分享，希望大家在阅读的同时能有所收获。

最近补充一句，我准备邀请她一起吃个西餐，当面谈一下我的算法，问问她到底怎么想的，机智如我，祝我成功！

往期热门: