贝叶斯定理、贝叶斯分类器、贝叶斯网络

先验概率与后验概率

先验概率：统计得到的，或者你根据自身的经验结果得到概率，如一枚硬币正反面出现的概率均是50%，则：
$$P(X=正面)=P(X=反面)=50\%$$
上面两个概率就是先验概率

后验概率：已知事件A发生的概率下事件B发生的概率，如一枚硬币中若铅含量超过10%，则正面出现的概率会达到70%，已知此类铅含量超标的概率达到30%，则正面出现的概率：
$$P(X=正面|铅含量超标)=70\%$$
此即为后验概率，也就是条件概率

贝叶斯公式

$$P(A\cap B)=P(B)P(A|B)=P(A)P(B|A)$$
同理：
$$P(X\cap Y)=P(X)P(Y|X)=P(Y)P(X|Y)$$
移项得，贝叶斯公式：
$$P(Y|X)=\frac{P(Y)P(X|Y)}{P(X)}$$

式中：P(Y)是先验概率，P(X|Y)是似然函数，P(X)是模型的边缘似然函数。