朴素贝叶斯算法理论

首先不得不说贝叶斯公式真的是一个很有用的公式，它出现在我们生活中的各个地方，只是我们没有察觉到而已。

生活中，我们可以通过贝叶斯来预估第二天的天气，判断半夜跟你聊天的女孩是否也喜欢你，发烧被确诊是新冠的概率等等。

例子一

假如头一天晚上，你和你的小伙伴兴起，准备明天外出郊游，但天气预报已经过了，不知道明天是否会下雨，该怎么办呢？

这个时候，你的小伙伴小黄就站出来了，说到：“吾夜观天象，明天应该会下雨”，你问到为啥呀，小黄答道：“因为今夜乌云密布，一般这样的天气，第二天就会降雨。”大家都默默的点头道，好像是这样子的啊。这个时候，学习成绩一向很好的小刘，嘴里仿佛在嘀咕着什么，突然他站起来说到，我认为明天不会下雨。大家一脸诧异的看着小刘，心想小刘这是咋的啦，小刘看大家一脸不解的样子，决定给大家上一课，就叫贝叶斯理论的应用。

小刘先直接粗暴的扔出一个公式，
$$p(A|B)=\frac{p(A)p(B|A)}{p(B)}$$
解释道，这是英国数学家贝叶斯提出的贝叶斯公式，其中：
$p(A)$: 表示事件A发生的概率，叫做先验概率
$p(B)$: 表示事件B发生的概率，也叫做先验概率
$p(B|A)$: 表示事件A发生的条件下，事件B发生的概率，称作条件概率也叫后验概率。
$p(A|B)$: 表示事件B发生的条件下，事件A发生的概率，称作条件概率也叫后验概率。

小黄一边挠头，一边一脸懵逼的看着小刘。接下来，小刘扶了扶眼镜，继续说道，我刚大概估算了一下，我们这个月，晚上多云的夜晚占了差不多70%，下雨的天数只占差不多10%，但是第二天下雨，头一天晚上多云的概率占到了60%。这一说，小黄更不解了，没等小黄开口，小刘就补充道：“但是，这并不代表明天会很大可能下雨。”，我们把事件B看作是有乌云的夜晚，事件A看作第二天会下雨的，那么我们现在来看看，当我们今晚天气多云的时候（事件B发生的时候），明天会下雨（事件A发生）的概率吧。
$$p(A|B)=p(下雨|多云)=\frac{p(下雨)p(多云|下雨)}{p(多云)}==\frac{0.1\ast 0.6}{0.7}=0.0857$$
即明天下雨的概率只有8.57%，所以我觉得明天不会下雨。说完，大家都对小刘投来了崇拜的眼光。

例子二

现在疫情仍在零星的发生，各大高校不敢放松警惕，发烧仍然是感染新冠的主要症状，所以孩子们每天都要乖乖的健康打卡，汇报自己的体温情况，当有出现发烧的同学，学校好能及时应对。

这里面其实也是应用到了贝叶斯理论。我们假设正常人发烧的概率为5%，在中国感染新冠的概率为（10万/13亿）0.00777%，感染新冠病毒后发烧的概率为95%。
这个时候我们来计算一下，如果一个同学发烧了，那么他被确诊为新冠的概率有多大：
$$p(确诊|发烧)=\frac{p(确诊)p(发烧|确诊)}{p(发烧)}=\frac{0.000077\ast 0.95}{0.05}=0.0015$$
可以看到，在中国，同学们发烧了不要害怕，不要自己吓自己，戴好口罩先去医院检查，因为引起发烧的原因实在太多了，天气变化，肠胃炎等等，不一定就是感染了哦，但是该做的防护还是需要做的。

ps：可能有的同学觉得公式不太好记忆，其实挺简单的，从左到右，从上到下，ABABAB，是不是和男枪有点像。

例子三

假如你是一个公司的HR，现在要去校招，根据以往招人的经验以及招来后的表现，我们发现，上一年公司总共招了100个毕业生，其中有25人来自重点大学，这25个人中有20个人的工作能力都挺不错，75个人来自普通大学，只有10个人的工作能力很不错，于是我们得到下面的表：

	重点大学	普通大学
强	20	10
一般	5	65

我们想知道招到工作能力强，且来自重点大学的概率为：
$$p(A|B)=p(重点|强)=\frac{p(重点)p(强|重点)}{p(强)}==\frac{25/100\ast 20/25}{25/100\ast 20/25+75/100\ast 10/75}=\frac{2}{3}$$

同样的工作能力强，来自普通大学的概率为：
$$p(\bar{A}|B)=p(普通|强)=\frac{p(普通)p(强|普通)}{p(强)}==\frac{75/100\ast 10/75}{25/100\ast 20/25+75/100\ast 10/75}=\frac{1}{3}$$

这也能从反面印证为什么HR喜欢招收重点大学的高校毕业生了。