从朴素贝叶斯分类器到贝叶斯网络（上）

一、贝叶斯公式（一些必备的数学基础）

       贝叶斯（Thomas Bayes）是生活在十八世纪的一名英国牧师和数学家。因为历史久远，加之他没有太多的著述留存，今天的人们对贝叶斯的研究所知甚少。唯一知道的是，他提出了概率论中的贝叶斯公式。但从他曾经当选英国皇家科学学会会员（类似于院士）来看，他的研究工作在当时的英国学术界已然受到了普遍的认可。

       事实上，在很长一段时间里，人们都没有注意到贝叶斯公式所潜藏的巨大价值。直到二十世纪人工智能、机器学习等崭新学术领域的出现，人们才从一堆早已蒙灰的数学公式中发现了贝叶斯公式的巨大威力。为了方便后续内容的介绍，这里我们先来简单复习一下概率论中的一些基本知识。

       事件A在另外一个事件B已经发生条件下的发生概率，称为条件概率，记为P(A|B)。

       两个事件共同发生的概率称为联合概率。A与B的联合概率表示为 P(AB) 或者P(A,B)。

       进而有，P(AB) = P(B)P(A|B)=P(A)P(B|A)。这也就导出了最简单形式的贝叶斯公式，即

P(A|B)=P(B|