今天写个贝叶斯公式

意识流解释

对于贝叶斯我现在最直观的感受就是贝叶斯其实是一个剪枝的过程。
我们现在可以把对于每一个事件的判断都想象成一颗决策树，而贝叶斯公式，或者说它的理念就是在已知已发生的事件上面保留分支，而与已知事件相违背的事件则从决策树分支上面消失，从而达到事件概率的重新分布。

比如一个例子

昨天晚上天气预报说今天下雨可能性为50%，这就成为了我们判断事件的一个决策分支，我们今天的天气情况也随着这一概率而走上了两种不同的决策路径。然而我们又听说阴天下雨的概率会非常高（而如果是晴天那么下雨的概率会很低），到现在为止我们就可以把两个概率重叠起来，走出四条分支路径了。
其实这个例子挺不恰当的，想了想，不过就是这个意思

如上图，我们可以看到这四种不同的分支对应的结果有下雨和不下雨两个，而他们四个集合在一起是按照各自的概率分配了1的概率样本。但是到目前为止，我们还什么事情都没有干，而对于贝叶斯定理来说最重要的是有了这样的概率情况之后我们到底能够获得什么新的信息。
比如我们出门一看，今天是阴天，然后我们在思考的时候就会变成什么，第一和第四两个分支直接消失了，而剩下的两个分支根据自己的概率就进行了重新分布。下雨/不下雨 = 0.5 * 0.8 / 0.5 * 0.2，我们发现下雨的概率就因为我们看到了阴天这个信息而变大了。

这个思路其实和我们自己的思考方式有类似，通过已有的知识与新获得的信息进行结合，从而不断地进行自己思考与认知上面的修正，这也是贝叶斯这样的思想成为机器学习中一个方向的基础