机器学习是一门科学学科，探索可从数据中学习的算法的构建和研究。此类算法的运行方式是根据示例输入构建模型并使用该模型进行预测或决策，而不是遵循严格的静态程序指令。机器学习与计算统计学密切相关且经常重叠；一门也专门研究预测的学科。

通过本次培训，我们将应用贝叶斯方法进行 A/B 测试，并使用自适应算法来提高 A/B 测试性能。

培训将包括以下内容；

– 朴素贝叶斯分类器介绍
– 机器学习中朴素贝叶斯的使用
– 理解 A/B 测试
– 分割测试
– A/B 的功效和测试
– 使用虚拟数据在 Python 中求解的示例

贝叶斯统计是将概率应用于统计问题的特殊方法。它为我们提供了数学工具，可以根据看到有关随机事件的新数据或证据来更新我们对这些事件的信念。贝叶斯统计是一种基于贝叶斯定理的数据分析方法，其中有关统计模型中参数的可用知识会根据观测数据中的信息进行更新。背景知识被表示为先验分布，并以似然函数的形式与观测数据相结合，以确定后验分布。后验还可以用于对未来事件进行预测。特别是，贝叶斯推理将概率解释为个人对特定事件的发生可能拥有的可信度或置信度的度量。