Обсуждение:Условная вероятность
Материал из MachineLearning.
Промпт для подготовки статьи
Работа над статьёй начинается с подробного промпта, в котором заранее заданы тема, целевая аудитория, стиль, структура, требования к оформлению формул, внутренних ссылок и научных источников.
Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки.
Напиши академическую энциклопедическую статью в стиле википедии на русском языке для machinelearning.ru в формате MediaWiki по теме «Условная вероятность».
Статья должна быть полезна студентам, инженерам по анализу данных и специалистам по машинному обучению. Объяснение должно быть одновременно понятным новичку и достаточно корректным для человека с математической подготовкой. Не перегружай текст формулами: используй формулы только там, где они действительно нужны, а основное внимание удели ясному объяснению смысла, интуиции, связи с данными и машинным обучением.
Стиль — строгий, энциклопедический, похожий на Википедию или machinelearning.ru, но без сухости ради сухости. Пиши понятно, без разговорности, без рекламных формулировок и без следов LLM.
В статье должны быть: - определение условной вероятности; - интуитивное объяснение, что означает условие; - связь с формулой Байеса, полной вероятностью и условной независимостью; - переход от событий к случайным величинам и условным распределениям; - объяснение, как условная вероятность используется в машинном обучении; - разница между истинной вероятностью, эмпирической оценкой и модельным прогнозом; - примеры из анализа данных или машинного обучения; - типичные ошибки интерпретации; - краткий исторический контекст; - проверенные научные источники.
Не превращай статью в набор формул. Формулы должны поддерживать объяснение, а не заменять его. После каждой важной формулы кратко объясняй её смысл словами.
Используй только реальные надёжные источники. Не выдумывай авторов, статьи, DOI или исторические факты. Для базовой теории и машинного обучения можно использовать классические источники: Kolmogorov, Feller, Billingsley, Durrett, Bishop, Murphy, Pearl, Koller–Friedman, Cover–Thomas, Goodfellow et al. Для современных ML-связей можно использовать Guo et al. 2017 про калибровку нейронных сетей, Ovadia et al. 2019 про неопределённость при сдвиге распределения и Angelopoulos & Bates 2023 про conformal prediction.
Важные термины оформляй как внутренние ссылки MediaWiki: вероятность, случайное событие, случайная величина, формула Байеса, условная независимость, байесовская сеть, наивный байесовский классификатор, калибровка вероятностей, сдвиг распределения, взаимная информация и другие подходящие термины.
Все математические обозначения оформляй только через . Используй безопасный для старого MediaWiki формат формул: каждая отдельная формула должна быть одной строкой вида
,
,, а также слишком сложные TeX-команды, которые могут плохо отображаться в старой MediaWiki.
Объём статьи должен быть умеренным: не больше примерно 30–32 КБ. Не раздувай статью в обзор всей вероятностной теории или всех методов uncertainty estimation. Основная тема — условная вероятность и её значение для анализа данных и машинного обучения.
Источники оформляй через [1]. В конце добавь раздел:
Литература
в ней напиши достоверные источники откуда ты брал информацию без фальсификации
Итог выдай сразу полным MediaWiki-кодом, готовым для вставки на страницу.
</div>
