机器学习-贝叶斯定理

导读：

One：我们在大街上看到一个长得五大三粗，有花臂，带着大金链子，穿着个大花褂子的大汉，那么我们很有可能会觉得此人非好人，避而远之。原因是该人在电视剧中典型的反派打扮，我们都非常熟悉，给出了一个非常主观的判断。然后过了一会，你看到了大汉去扶了老奶奶过马路，此时我们又会觉得此人是好人的概率非常大，这是为什么？

Two：你在街上看到一个身穿格子衫，手拿笔记本，不修边幅的男人，那么你可能觉得他是一位资深程序员（我对程序员没有恶意）。然后你和他一起上了公交，在公交车上你看到他在娴熟的炒股，并且最后在一家证券公司下车了，于是你给出了一个新的判断，此人从事炒股工作的概率更大。为什么？

基本术语：

1、最开始我们的判断都是根据我们以往的经验作为依据进行的主观判断，称为先验判断；

2、然后我们从他们的言行中获取到了对他们的一些新的认识，我们可以将所获取到的他们的言行当做是一些新的数据；

3、我们根据获得的新数据，对之前的先验判断进行一个修正，得到一个新的判断，称为后验判断。

总结：我们通过新获取的数据来修正我们作出的先验判断，最后得到我们新的后验判断，这就是贝叶斯的基本原理。

---------------------------------------------------------------------------------------------------------------------------------

贝叶斯公式：

定义： 

 假设事件发生的概率为 ，我们可以理解为左边那个大椭圆的面积；