ФЭНДОМ


Теорема Байеса — одна из основных теорем элементарной теории вероятностей, которая определяет вероятность наступления события в условиях, когда на основе наблюдений известна лишь некоторая частичная информация о событиях. Иначе, по формуле Байеса можно более точно пересчитывать вероятность, беря в учет как ранее известную информацию, так и данные новых наблюдений.

Математическая формулировка Править

$ \Pr(A|B) = \frac{\Pr(B | A) \Pr(A)}{\Pr(B)} $,

где

$ \Pr(A) $ — априорная вероятность гипотезы A;
$ \Pr(A|B) $ — вероятность гипотезы A при наступлении события B (апостериорная вероятность);
$ \Pr(B|A) $ — вероятность наступления события B при истинности гипотезы A;
$ \Pr(B) $ — вероятность наступления события B.
$ \Pr(B)=\sum_{i=1}^N Pr(A_i )*Pr(B|A_i) $ — математическая формула априорной вероятности наступления события B , где суммирование идет по всем гипотезам $ A_i $, которые предполагаются попарно непересекающимися и, в объединении, покрывающими всё пространство возможных исходов опыта;vdsvsdvdsfv

Применение Править

Борьба со спамом Править

Для непосредственного определения вероятности отнесения того или иного сообщения к спаму используются созданные в процессе «обучения» фильтра словари. Шаблон:S берется полный архив старых, выделенных вручную сообщений и передается на вход программе обучения для дальнейшего анализа. Программа определяет частотные словари для каждого типа сообщений — сколько раз каждое слово появлялось в письмах из данной папки. Когда словари окончательно созданы, вероятность принадлежности нового письма к спаму вычисляется по Байесу для каждого слова из письма. Нормализацией и суммированием вероятностей слов получают общую вероятность принадлежности к спаму для всего письма.

Применение теоремы Байеса позволяет обходиться без формирования «черных списков» почтовых адресов, байесовские фильтры могут самостоятельно опознать «плохое» письмо по его контексту, ненамного уступая в этом умении человеку. Метод очень хорошо работает при сортировке сообщений, в которых рекламная информация представлена в виде простого текста или HTML. После обучения на достаточно большой выборке, удаётся отсечь до 95—97 % спама.

Однако спамеры нашли способ для обхода таких фильтров. Для этого в письмо помещается произвольный текст и реклама в виде присоединённого к письму изображения. Наличие случайного текста обманывает фильтр и не даёт возможности его обучить. Хотя существует возможность воспользоваться программами распознавания текста, чтобы извлечь рекламное сообщение из изображения и обработать его байесовским фильтром, существующие сейчас фильтры этого, как правило, не делают. К тому же, такое решение потребует дополнительных довольно значительных вычислительных мощностей.


Ссылки Править

Литература Править



Эта статья содержит материал из статьи Теорема Байеса русской Википедии.