以 Lycanthropy 教學情境說明 Bayes’ Theorem 與 Text／Case Classification。
理解 Prior、Likelihood、Evidence 與 Posterior 在 Bayesian Classification 中的關係。
原書以「Testing for Lycanthropy」示範 Bayesian Classification，Figure 12.4 呈現 Bayes’ Theorem，Tables 12.4–12.5 提供 Confusion Matrix 與 Likelihood Table。
| 來源 | 原書內容 |
|---|---|
| Figure 12.3 | Lycanthropy Classification 情境 |
| Figure 12.4 | Bayes’ Theorem |
| Table 12.4 | Confusion Matrix |
| Table 12.5 | Likelihood Table |
從 Training Evidence 建立 Likelihood → 套用 Bayes’ Theorem → 計算 Posterior → 依分類規則判定類別 → 用 Confusion Matrix 檢視分類表現。
原書已有 Tables 12.4–12.5；本頁不在缺少完整表格數值時重建或猜測數字。
Bayesian Classification 的輸出取決於 Prior 與 Evidence；分類結果不是確定性事實，而是依資料更新後的機率判斷。
「依提供的 Prior 與 Likelihood 解釋 Bayesian Classification 的判斷流程；若缺少任何必要數值，不要自行補值。」
問題：若 Prior 改變，Posterior 是否可能改變？
**參考解答：**會。Bayes’ Theorem 會把 Prior 與新的 Evidence 結合，因此不同 Prior 可能導致不同 Posterior。