نظرية Bayes في التطبيق
من المعادلة للقرارات الحقيقية. التحاليل الطبية والـ spam filtering وتجارب A/B — كلها معتمدة على الاستدلال البايزي.
الـ sensitivity والـ specificity
الـ true positive rate
الـ true negative rate
وD هنا إن الشخص عنده المرض وD̄ إنه سليم. دول بيوصفوا التحليل. اللي المريض عايزه هو العكس: P(D | +)
الـ predictive value الإيجابية
PPV = P(D | +) — احتمال المرض لما النتيجة تطلع إيجابية. بتتحسب بنظرية Bayes — ومعتمدة على الانتشار.
مغالطة الـ base rate
- إنك تتجاهل الانتشار وإنت بتفسّر نتيجة إيجابية
- تركّز على الدقة وتسيب ندرة المرض
- أغلب الإيجابيات في فحوصات الأمراض النادرة كدّابة
- نظرية Bayes بتجبرك تدّي الدقة وزن على قد الـ base rate (معدل الأساس)
النتيجة المفاجئة
انتشار 0.1%، وsensitivity 99%، وspecificity 99%. نتيجتك طلعت إيجابية.
= 0.00099 / 0.01098 ≈ 9% بس
نظرة الناس
في 100,000 شخص: 100 مريض (99 منهم إيجابيين) و99,900 سليم (999 إيجابية كدّابة). الإيجابيات الكدّابة أكتر من الحقيقية بعشر أضعاف.
الـ updating البايزي
الـ posterior النهارده هو الـ prior بكرة. كل دليل جديد بيظبّط اعتقادك.
الـ spam filtering
- كل كلمة دليل مستقل (افتراض ساذج)
- بيتدرّب على رسايل متصنّفة عشان يقدّر P(w | S)، وS هنا «الرسالة spam» وw الكلمة
- للرسايل الجديدة: P(S | w₁…wₙ) ∝ P(S) × ∏ P(wᵢ | S)
- سريع وسهل تفسّره وبينافس الـ models المعقدة
اختبار A/B بالطريقة البايزية
بدل الـ p-value، خد إجابة مباشرة: P(B > A | data) — احتمال إن النسخة B أحسن من A لما نعرف البيانات. ابدأ باعتقاد prior عن كل معدل، وبعدين حدّثه مع كل تحويل.
Bayes والـ machine learning
- تقدير الـ MAP = MLE + prior = regularization
- L2 regularization ↔ Gaussian prior؛ وL1 regularization ↔ Laplace prior
- الـ Bayesian neural networks: posterior distribution كامل على الـ weights
- الـ Gaussian processes: models بايزية على الدوال
اسأل دايمًا: الـ prior كام؟
- تحليل «دقته 99%» مالوش معنى من غير الـ base rate
- الـ uncertainty مواطن درجة أولى: الـ models لازم تعرف حدودها
- التعلّم تحديث: كل مشاهدة بتظبّط الاعتقادات
- المعرفة المسبقة بيانات — خبرة المجال بتدخل بشكل طبيعي
اتعلّمت إيه
الـ sensitivity والـ specificity، والـ predictive value، ومغالطة الـ base rate، والـ Bayesian updating، والـ Naive Bayes، واختبار A/B البايزي، وBayes في الـ machine learning — ماكينة المراجعة العاقلة للاعتقاد.