贝叶斯思维

我们最初有关于某个事物的主观信念，然后用客观的新信息，得到一个新的、改进的信念，就是贝叶斯方法。根据新信息不断调整对一个事件发生概率的判断，本质上是对信心的度量，是对某个事情结果相信程度的一种定量化表达。

在每次我们获取到新的线索来更新我们脑中对某个事物的认识的时候都会用到它很多次。

“我们也许不应该争论于那些持肯定与否定态度的人，因为他们永远不能针对某些事情说服任何人。”

先验认识：根据之前的经验，对事物的最初判断，最初的信念。
后验认识：根据客观的信息，更新之前的判断，改进的信念。

以下问题都与贝叶斯思维相关：

1. 概率对群体而言是比例，对个体而言是可能性；
2. 正确问题的近似解答的价值远远大于错误问题的精确解答的价值；
3. 电商中的人货匹配问题；
4. 人力资源管理中的人员能力和岗位匹配问题；
5. 医疗诊断场景的分析判断；

graph TD
    A["{{贝叶斯概率}}"] --> B["{{先验概率/判断}}"]
    B --> C["{{新的信息}}"]
    C --> D["更新认知"]
    C --> E["做出决策"]
    C --> F["获得成长"]
    
    style A fill:#f9f,stroke:#333,stroke-width:4px
    style B fill:#bbf,stroke:#f66,stroke-width:2px
    style C fill:#bfb,stroke:#f66,stroke-width:2px
    style D fill:#fbf,stroke:#f66,stroke-width:2px
    style E fill:#bff,stroke:#f66,stroke-width:2px