学习笔记 20210903（python 测试类，贝叶斯定理）

换了台电脑，一时找不到其他的题图·，用一张黑魂 1 的月光蝶 Boss 作为题图好了。关于今天的这个形式，有点类似于碎碎念，没有什么明确的主题，会简单聊聊今天看了哪些我觉得有价值的东西，可能会比较简单，但我罗列了我所看的原始资料，如果有兴趣进一步了解可以去找来看看。

最近有较充足的自由支配时间，主要在学习 python 和其他一些内容。虽说本职工作是测试工程师，但不会编码怎么都说不过去，好在有一定基础，上手起来还是比较快的。关于 Python 的内容我是视频和图书结合在一起看的，视频就是极客时间上的那门 python 入门视频课程，图书的话是《Python 编程：从入门到实践》，不得不说这本书真的非常适合初学者，讲述的例子不会太长也很贴合实际场景，理解起来比较方便，我大概一天看一章（20-30 页），顺便完成一下上面的练习，关于练习题的答案需要去网站上下载，截至目前已经看了一半基础部分已经看完，后面的是三个项目。另外再说一点，学习东西时的进展快慢需要自己来把握，我当然可以看的再快一些，只是觉得这样会单纯的变成完成任务，失去了编码的乐趣，恐怕很难坚持下去。

今天主要在学习 Python 中的单元测试，以前经常能听说单元测试，但却从来没有实践过，今天编写了一个类，使用内置的 unittest 模块编写了另一个文件对其进行测试，一下子就搞明白了好多，加深了理解。不得不说计算机行业确实是一门实践性非常强的领域，很多代码能看懂逻辑，但自己写才发现会有很多地方需要逐个去考虑，很有意思。这种成就感和满足感是单纯打游戏那种消遣所比不了的，后者更容易空虚：我玩了好几个小时，对现实世界有什么影响呢。其实不管是玩游戏还是做事情，认真投入才能收获快乐。

另一个给我印象很深的还是极客时间上的一篇专栏：《人工智能基础课》，里面第二节是在讲数学基础中的概率论，在课后讨论中老师提出了一个贝叶斯定理应用的经典问题：有一种病在人群中的患病率是 1%，其检查结果的可靠程度是 95%，也就是得病的人 95%会得到阳性结果，没得病的人 95%会得到阴性结果。如果一个人检查的结果是阳性，那他得病的概率是多少？

我这里直接复制一位用户的答案，因为他说的非常清楚：

用户名：Geek_28afb8

本题求得是在检测有病的情况下确实有病的概率，即求 P(确实有|检测有)

贝叶斯公式：

P(H∣D)= P(D∣H)⋅P(H)/P(D)

H =确实有

D =检测有

代入公式：

P(确有|检有)= P(检测有|确实有)* P(确实有)/P(检测有)

P(检测有)=1%*95%+99%*5%

P(确实有)=1%

P(检测有|确实有)=95%

故：

P(确有|检有)= P(检测有|确实有)* P(确实有)/P(检测有)=95%*1%/(1%*95%+99%*5%)

这个结果计算一下，是 16%，确实要比我想象的低很多。我不禁联想到现在的新冠疫情，我们做的核酸检测可靠程度有多少（具体数字我没调查过），可见数学真的挺重要的，在医学领域也有一席之地。倒不是说非要去找到以前大学时的数学教材再翻着看，可以缺什么补什么，自己在工作生活中用到哪些知识而自己还没有掌握，去这个领域专门找找看。