下载掌阅APP，畅读海量书库
立即打开
使用概率的主要原因是我们无法准确地预测和控制一些事情的结果。在这种情况下，我们可以使用概率来描述和量化某些事件发生的可能性。
概率可以帮助我们更好地理解和处理随机现象。通过对这些随机现象的建模和分析，我们可以预测未来可能发生的事件，并制定相应的策略。
在科学研究中，概率也是一种重要的工具。许多自然现象是随机的，例如放射性衰变、气体分子的运动等，而概率论提供了一种用数字表示这些可能性的方法，这对于科学家们进行实验设计和数据分析非常有帮助。
在机器学习中，我们通常希望能够从数据中自动推断出规律或模式。概率是一种数学工具，它可以用来描述这些规律或模式的不确定性。在机器学习中，概率可以用来建立模型和进行推断，从而让我们能够更好地理解和利用数据。
具体来说，概率在机器学习中有三个方面的核心应用。
（1）概率模型：概率模型是一种将观察结果与随机变量联系起来的方法。它可以用于描述数据生成的过程，并且可以被用来预测新数据点的标签或类别。
（2）概率推断：概率推断是用来从数据中抽取有价值信息的方法。通过联合概率分布和贝叶斯定理，我们可以从数据中推断出未知量的后验概率。
（3）贝叶斯优化：贝叶斯优化是一种优化方法，它利用概率模型对待优化的函数进行建模，并通过不断探索搜索空间来找到最优解。
实际上在日常生活中，我们也经常面临不确定性的情况。比如说，如果我们想知道明天会不会下雨，那么我们就需要考虑一些可能影响天气的因素，如风向、湿度等，并据此做出预测。在这个过程中，我们其实就是在利用概率的思想来进行推断，就像图3-1所示的这样。
在机器学习中，概率也起着类似的作用。我们可以将数据看作“天气”，而机器学习模型就像是一个预测明天天气的工具。通过使用概率，我们可以更好地描述和理解数据，并且可以从中获取有价值的信息，比如预测房价、识别图像等。
因此，在机器学习中使用概率可以帮助我们更好地理解数据和建立模型，并且可以通过一种有效的方式来从数据中获取有价值的信息。
图3-1 基于风向、湿度等因素预测明天的天气，是日常生活中最常见的概率应用
为了帮助大家更好地理解为什么要使用概率，请大家按照前言中的方法录制一个长度约为2分钟的短视频，介绍为什么要使用概率。
可以参考的ChatGPT提示词如下。
“为什么要使用概率？”
“学习机器学习，为什么要使用概率？”
“请用通俗易懂的语言，结合生活中的例子，介绍为什么要使用概率。”
为了让大家可以用代码的形式学习概率的概念，接下来大家可以让ChatGPT生成示例代码，并在Colab新建一个Notebook文件运行这些代码。
要让ChatGPT生成代码，可以参考的提示词如下。
“请用Python演示一个最简单的概率计算。”
“如何使用Python计算概率。”