貝葉斯定理（bayes' theorem）:
貝葉斯定理中的分母可以用出現在分子中的項表示：
可以把貝葉斯定理的分母看做歸一化常數，用來確保公式左側的條件概率對於所有 的y 的取值之和為1。
在觀察到資料之前，我們有 一些關於引數w
的假設，這以先驗概率p (
w
)的形式給出。觀測資料
d =
的效果可以
通過條件概率p (
d |
w
)表達。貝葉斯定理的形 式為：
它讓我們能夠通過後驗概率p (
w
| d )
，在觀測到
d 之後估計
w的不確定性。貝葉斯定理右側的量
p( d |w)由觀測資料集
d來估計，可以被看成引數向量w的函式，被稱為似然函式（likelihood function）。它表達了在不同的引數向量w下，觀測資料出現的可能性的
大小。注意，似然函式不是
w
的概率分布，並且它關於
w
的積分並不（一定）等於1。
貝葉斯概率
貝斯公式和全概率公式的意思差不多相反。全概率公式是說 某件事情的發生可以由很多情況導致，那麼這件事情發生的概率，就是每件事情導致他發生的概率，乘以每件事情發生的概率。貝斯公式的意思是 某件事情還是由剛才所說的那些事件引起的，你已經知道某件事情發生了，那麼他是由哪件事情引起的呢？就可以又貝斯公式a事件...
貝葉斯概率
p a b p a p b a p b p a b p a frac p a b p a p b p b a p a b p a b p a b 條件概率，事件b發生的條件下，事件a發生的概率，也叫a的後驗概率 p a p a p a 先驗概率，事先不知道任何條件時a的概率。比如，2000年8月15...
條件概率，全概率公式，貝葉斯公式，樸素貝葉斯
本文摘自黃清龍等編著的 概率論與數理統計 我們以乙個例子來闡述樸素貝葉斯思想。例子來自樸素貝葉斯分類 原理 假設根據以前的經驗獲得如下的資料。然後給你乙個新的資料 身高 高 體重 中 鞋碼 中 請問這個人是男還是女？判斷是男還是女，是分類問題，記男為c1，女為c2。身高體重鞋碼是樣本x的屬性，記x1...