我認為貝葉斯的思想是執果索因，就是在知道結果的情況下去推斷原因的方法。通過現象（結果）去推斷事情發生的本質（原因）。僅有假設產生結果可有兩個原因，a,b . 這裡假設a,b = h =
全概率公式：h發生的可能性
p(h) = p(h|a)p(a) + p(h|b)p(b)
貝葉斯公式:在h發生的情況下，是a促成的可能性
p(a|h) =
舉個簡單的例子：村子有且僅有兩個小偷，小a和小b，根據統計a偷東西的可能性是0.2,b偷東西的可能性是0.8。如果a去偷，偷成功的概率是0.8， 如果b去偷，偷成功的概率是0.3。如果村子丟了一件東西，a和b誰是嫌疑犯的可能性更大？
h=a =
b =
p(a) + p(b) = 1
a，b兩人偷東西可能性 p(a) = 0.2 p(b) = 0.8
這個可以從當地的派出所的案底可以統計出來，根據這兩人的作案事件佔比可以分析出來
a , b兩人得手的可能性 p(h|a)=0.8 p(h|b)=0.3，
這個是可以根據以往這兩人偷東西的能力分析得到，a的腦子可能聰明，能力大，b能力不行
那麼，村子裡丟東西的可能性就是 p（h） = p(a)p(h|a) + p(b)p(h|b) = 0.4
那麼如果是a偷得，知道了結果h， 則可表示為 p(a|h) == 0.4
同理，如果是b偷的，丟東西的情況下，是b偷東西的概率是p(b|h) = 0.6。
以上分析可以看出，雖然a的腦子好，但是不經常出手，b雖然能力差，但是他是個慣犯，所以他偷的可能性大。最後可以請b喝個茶了。
貝葉斯公式
貝葉斯定理由 英國數學家貝葉斯 thomas bayes 1702 1763 發展，用來描述兩個條件 概率之間的關係，比如 p a b 和 p b a 按照 乘法法則 p a b p a p b a p b p a b 可以立刻匯出 如上公式也可變形為 p b a p a b p b p a 例如 ...
貝葉斯公式
貝葉斯定理由英國 數學家貝葉斯 thomas bayes 1702 1763 發展，用來描述兩個條件 概率之間的關係，比如 p a b 和 p b a 按照乘法法則 p a b p a p b a p b p a b 可以立刻匯出 貝葉斯定理公式 p a b p b a p a p b 如上公式也可...
貝葉斯公式
是基於樸素貝葉斯定理分類器，其計算過程是在訓練階段的時候，先計算每個分類的先驗概率p a 和各個分類下面特徵屬性的條件概率p b a 的過程 反推特徵 分類的條件概率 a b 取最大概率作為分類結果。貝葉斯定理 已知a 分類 的條件概率，b 某個特徵 在a發生後的條件概率，求a在b發生後的條件概率 ...