概念Bayesian Inference
贝叶斯推断
基于贝叶斯定理的统计推断方法，通过先验知识与观测数据的结合来更新对未知量的概率估计，广泛应用于机器学习与AI不确定性量化
核心事实
时间轴 (近 90 天)
10月22日
与国际象棋、围棋等完全信息、确定性博弈不同，宝可梦对战无法枚举隐藏状态空间，模型必须基于不确定信息做贝叶斯式的意图推断。
待验证50%
10月19日
精确率（Precision）本质上是在给定预测为正例的条件下，计算真实为正例的后验概率。
待验证50%
9月7日
后见之明偏差涉及记忆重构机制：当得知结果后，大脑会自动将结果信息整合进原有知识结构，使与结果一致的线索更突出
已验证65%
9月7日
在罕见疾病检测例子中，若发病率为0.1%、假阳性率为5%，阳性检测结果实际患病概率约为2%左右
待验证50%
9月7日
贝叶斯推断是18世纪英国数学家托马斯·贝叶斯提出的统计推断方法
待验证50%
9月7日
一位开发者在Reddit上分享了一份关于贝叶斯推断原理的代码实现，涵盖从贝叶斯定理基础到蒙特卡洛模拟等主题
已过期50%
9月5日
Yarin Gal在2016年证明了Dropout训练等价于一种近似贝叶斯推断
待验证50%
全部知识事实 (7)
已验证
后见之明偏差涉及记忆重构机制：当得知结果后，大脑会自动将结果信息整合进原有知识结构，使与结果一致的线索更突出
65%待验证菲利普·泰特洛克研究发现'超级预测者'群体的共同特征之一是持续的贝叶斯式更新能力
85%待验证与国际象棋、围棋等完全信息、确定性博弈不同，宝可梦对战无法枚举隐藏状态空间，模型必须基于不确定信息做贝叶斯式的意图推断。
50%待验证精确率（Precision）本质上是在给定预测为正例的条件下，计算真实为正例的后验概率。
50%待验证在罕见疾病检测例子中，若发病率为0.1%、假阳性率为5%，阳性检测结果实际患病概率约为2%左右
50%待验证贝叶斯推断是18世纪英国数学家托马斯·贝叶斯提出的统计推断方法
50%待验证Yarin Gal在2016年证明了Dropout训练等价于一种近似贝叶斯推断
50%