pandas - 无法获得用户贝叶斯定理的赔率

Question

我正在尝试使用混淆矩阵来解决这个非常基本的问题，但我的解决方案与正确的解决方案不匹配。

问:假设我们有一项药物测试，可以在 99% 的情况下准确识别某种药物的使用者，并且对 99% 的非使用者准确地得出阴性结果。但只有 0.3% 的使用者使用这种药物。

考虑到测试结果呈阳性，某人成为该药物的实际使用者的几率有多大？

此外，TP/(TP + FN) 与 P(A) P(B|A)/P(B) 相同吗？

我的方法:

                                TP      TN        Total
Users       Predicted positive   29.7      0.3       30
Non-Users   Predicted negative   99.7   9870.3     9970
                                129.4   9870.6    10000

从上面的数据中，我得到:29.7/129.4 = 0.2295208655 大约 22.95%

但解决方案指出:22.8%。我很困惑。这样做的正确方法是什么？

Answer 1

我明白了:

给出的方法是这样的 - P(B) 是 1.3% ( 0.99*0.003 + 0.01*0.997) 所以， P(B|A) = P(A) P(B|A)/P (B) = 0.003*0.99/0.013 = 0.228 。所以，“22.8%”

但是他们将数字四舍五入为 1.3%，而不是 1.294%，这就是值不同的原因!!