贝叶斯公式

1.引言
1.1在机器学习中,贝叶斯是一个基础又重要的决策方法,很多情况下人们在现实中也经常不自觉的会使用到贝叶斯理论作为判断依据.例如盲从心理,还有长者经常讲的经验,多读书会改变我们的决策方式等等.当我们在判断一件事情会不会发生的时候,看似是0和1的决策,但其实使我们心里把发生概率近似成1(或者概率更大)的事情当做会发生,相反则不会发生.
2.概率
2.1联合概率:

联合概率指的是包含多个条件且所有条件同时成立的概率，记作P(X=a,Y=b)或P(a,b)，有的书上也习惯记作P(ab)，但是这种记法个人不太习惯，所以下文采用以逗号分隔的记法。

一定要注意是所有条件同时成立！

2.2边缘概率:

边缘概率是与联合概率对应的，P(X=a)或P(Y=b)，这类仅与单个随机变量有关的概率称为边缘概率

2.3条件概率:

条件概率表示在条件Y=b成立的情况下，X=a的概率，记作P(X=a|Y=b)或P(a|b)，它具有如下性质：
“在条件Y=b下X的条件分布”也是一种“X的概率分布”，因此穷举X的可取值之后，所有这些值对应的概率之和为1即：
∑aP(X=a|Y=b)=1

3.贝叶斯公式

一种癌症，得了这个癌症的人被检测出为阳性的几率为90%，未得这种癌症的人被检测出阴性的几率为90%，而人群中得这种癌症的几率为1%，一个人被检测出阳性，问这