Bayesian Inference

释义 Definition

贝叶斯推断：一种统计推理方法，用贝叶斯定理把“先验信念（prior）”与“新观察到的数据（evidence）”结合起来，更新对某个假设或参数的后验概率（posterior）。常用于不确定性判断、机器学习与科学研究中的参数估计与模型比较。

发音 Pronunciation (IPA)

/ˈbeɪziən ˈɪnfərəns/

例句 Examples

Bayesian inference helps us update our belief when new data arrives.
贝叶斯推断帮助我们在新数据到来时更新原有的判断。

Using Bayesian inference, the researcher combined prior knowledge with noisy measurements to estimate the drug’s effect more reliably.
研究者使用贝叶斯推断，将先验知识与含噪测量结果结合，更可靠地估计药物效果。

词源 Etymology

“Bayesian”来自18世纪英国数学家与牧师 Thomas Bayes（托马斯·贝叶斯）的姓氏；“inference”源自拉丁语 inferre（“带来、推出、推断”）。合起来指“用贝叶斯思想进行推断”的方法。

相关词 Related Words

• Bayes’ Theorem
• Prior
• Posterior
• Likelihood
• Probability
• Statistical Inference
• Markov Chain Monte Carlo
• Machine Learning

文学与著作中的用例 Literary Works

• Thomas Bayes, An Essay towards Solving a Problem in the Doctrine of Chances（贝叶斯思想的早期来源）
• Andrew Gelman et al., Bayesian Data Analysis（经典教材，系统介绍贝叶斯推断）
• David J. C. MacKay, Information Theory, Inference, and Learning Algorithms（以推断为主线讲解贝叶斯方法）
• Christopher M. Bishop, Pattern Recognition and Machine Learning（在模式识别/机器学习语境中大量使用贝叶斯推断）
• Sharon McGrayne, The Theory That Would Not Die（通俗写作，介绍贝叶斯方法的发展史）