Page 66 - 高中 信息技术 选择性必修4 人工智能初步

第三章 机器学习与人工智能的核心算法

探究活动

观 察

在现实生活中，我们经常要根据观测到的现象（特征数据）推测现象背后的原因。例
如，我们看到草地湿了，需要判断是不是下雨导致的；今天股市的交易量大涨，需要判断
是有新资金入场，还是存量资金博弈了一把；去医院体检，检查结果为阳性，是因为真的

患病，还是因为医院误诊；邮箱收到一封电子邮件，这封邮件是广告公司投放的垃圾邮
件，还是从朋友那里发来的重要信件……朴素贝叶斯分类器可以利用历史数据的分布，推
测一个最有可能的结果，使犯错误的概率最小化。
广东教育出版社

调 查

以小组合作的形式，完成下述调查任务，并分小组进行汇报。
（1）调查日常生活中的哪些情境可以使用朴素贝叶斯的思想来做选择判断。

（2）通过网络搜索和文献查找的方式，了解朴素贝叶斯分类器的原理以及朴素贝叶
斯在人工智能领域的典型应用案例。

下面我们通过一个例子来理解贝叶斯定理。某种疾病，年轻人得病的概率远远小于
年长者。如图3-5所示，列举了各种不同的得病情况，箭头附近的数字表示各种情况的概
率。例如，没患病检查结果却为阳性（误诊了）的概率是1%，没患病而且检查结果为阴

性的概率是99%。如果一个年轻人去医院体检，体检结果为阳性，那么这个人到底是真患
病还是被误诊呢？

图3-5 疾病诊断情况示意图

有的人可能会说，既然检查结果为阳性的人99%的概率会被确诊患病，得病的概率至
少比没病的概率要高吧？然而，如果一个年轻人的检查结果为阳性，真正得病的概率其实
比没病的概率还要低。

58 58

21Y3228.indd 58 2019/10/10 14:23:54