[청년취업사관학교 새싹]핀테커스 수업 8주차(10/17)

<수업 내용>

베이즈이론

• 최신 정보를 통해 즉각적으로 확률을 업데이트하는 데에 활용된다

• 조건부 확률

• likelyhood(가능성, 우도) : 어떤 class안에서 특정 현상이 관측될 확률

  • 클래스 : B , ￢B(not B)
  • 현상 : T, ￢T(not T)
  • $P(T|B), P(￢T|B), P(T|￢B), P(￢T|￢B)$

• 사후 확률(Posterior Probability) : 어떤 현상이 발견되었을 때 특정 class에 해당활 확률

  • $P(B|T), P(B|￢T), P(￢B|T), P(￢B|￢T)$

Bayes' Theorem

$P(B|T)=$ $P(T|B)P(B) \over P(T)$

• 예시)
  구매의지가 있는 고객 : B, 구매의지가 없는 고객: ￢B
  말을 거는 고객 : T, 말을 걸지 않는 고객 : ￢T

1. 경험에 의해 10명중 2명의 고객이 구매를 한다.(사전 확률) : $P(B)=0.2$

2. (likelyhood)
   실제 구매한 고객 중에 말을 걸 확률 $P(T|B)=0.9$,
   구매하지 않는 고객 중에 말을 걸 확률 $P(T|￢B)=0.3$

3. $P(B∩T)=P(B)P(T|B)=0.18$
   $P(￢B∩T)=0.8×0.3=0.24$
   $P(￢B∩ㄱT)=0.8×0.7=0.56$
   $P(B∩￢T)=0.2×0.1=0.02$

4. $P(B|T)=$$0.18 \over 0.18+0.24$$=0.43$

5. 사전확률 0.2에서 정보가 주어진 후 0.43으로 확률이 증가함

   ---