多特征贝叶斯初筛,是怎么算的,和鉴定有什么区别?
直接回答:它把每项观察,变成一个似然比,取对数后和先验相加,得到外观一致性概率。它只用外观观察,参数是示意值,并非鉴定,也不构成真伪结论。所以它的用处是排序下一步:继续沟通、补拍,还是送检。
站点工具给出外观概率参考,非官方鉴定证书;不构成真伪结论;如需鉴定,请送品牌或专业鉴定机构。
一步一步看计算
第一步,定先验:按入手渠道选一个起点,例如一般二手平台取 0.60,这是示意值。第二步,记观察:六项特征各选一个类别,看不清就选「无法观察」。第三步,查似然比:每个类别对应一个数,大于 1 往上推,小于 1 往下拉。
第四步,相加:把先验换成对数几率,加上各项似然比的对数,再换回概率。为了避免过度自信,结果设了上下限:最低百分之三,最高百分之九十七。同时给出参数上下限,对应的区间。
一个示意例子
先验 0.60,对应几率 1.5。假设走线与参考一致,似然比 2.0;五金一致,2.5;其他四项都无法观察。几率变成 1.5 × 2.0 × 2.5 = 7.5,换回概率约百分之八十八。全部数字都是示意参数。
如果再加上售价明显偏低,似然比 0.3,几率变成 2.25,概率降到约百分之六十九。可以看到,一项强证据,就能明显改变结果。
「朴素」会带来什么偏差?
「朴素」指的是,假设各特征互相独立。现实中并不是:同一工坊可能同时,把走线和五金都做得很好。所以多项一致时,结果会偏乐观。统计学文献也指出,朴素贝叶斯排序往往不错,但概率数值常偏极端。
这也是我们给结果设上下限,并同时给出区间的原因。区间只反映参数上下限,不是统计置信区间。
和鉴定有什么区别?
鉴定由专业人员查看实物,结合手感、结构、材料,必要时使用仪器,给出有出具方负责的结论。初筛只用你的外观观察,和示意参数,给出一个参考概率。两者用途不同:初筛决定下一步,鉴定给出结论。
常见追问
六项都一致,为什么结果会封顶?
因为上限设在百分之九十七。多项一致时,朴素假设会偏自信,上限是有意留出的余地。
似然比的数值从哪里来?
目前是示意参数,需用已知结果的样本校准。校准前,请把结果当作排序参考。
我可以只填两三项吗?
可以。没填的项,按「无法观察」处理,不推动结果。填得越多,结果越能反映你的观察。
我们做的初筛工具,按上面的步骤计算,给出概率、区间,和最值得补拍的一项。外观概率参考,非官方鉴定证书;不构成真伪结论;如需鉴定,请送品牌或专业鉴定机构。
了解这个工具参考资料
- Domingos, P. & Pazzani, M., 1997, On the Optimality of the Simple Bayesian Classifier under Zero-One Loss, Machine Learning 29(2-3)
- Hand, D. J. & Yu, K., 2001, Idiot's Bayes: Not So Stupid After All? International Statistical Review 69(3)
- Gigerenzer, G. & Hoffrage, U., 1995, How to Improve Bayesian Reasoning Without Instruction: Frequency Formats, Psychological Review 102(4)