贝叶斯公式

贝叶斯公式就是一种由结果推导原因的公式，再浅显一点说就是发生了一个事件，根据已经有的知识，推测这个事件发生的原因。

例子：

A:守信人的概率。
B:按时还款的概率。

银行进行信用评估，先假设每个人是守信人的概率是0.5,不守信人的概率是0.5，即P(A)=0.5，P(A’)=0.5。守信人还款的概率是P(B|A)=0.9，不还款的概率是P(B’|A)=0.1，不守信人还款的概率是P(B|A’)=0.5，还款的概率是P(B’|A’)=0.5。

因为还款的概率是长期总结产生的，可以把它看成是一个恒定值，现在需要评估的就是这个人是守信人的概率。

一开始都初始化为0.5，但是在按时还款以后，守信人的概率必然会发生变化，会变成P(A|B)，所以银行利用贝叶斯公式更新该用户是守信人概率。

根据上述公式可以算出P(A|B)=0.64。然后更新P(A)=0.64，P(A’)=0.36。

总结：

按时还款就是发生的事件，P(A)的初始值就是已有的知识，P(A|B)就是发生了事件B以后，我们对于A的评估。