连续变量的全概率和贝叶斯公式_我要自学生信之数据挖掘:朴素贝叶斯

首先必须要声明一下，我不是专业做贝叶斯的，写这篇文章主要是科普，其中涉及到的数学公式我会用更加浅显易懂的方式来描述，方便大家都能够有所收获。同时我认为贝叶斯并不是机器学习的专属，了解一下这个神级算法，打开一扇窗，相信你会有不同的看法。

源头

聊一个算法就要清楚它的历史，它怎么来的，最先用来解决什么实际问题，它根本原理以及推导过程是怎么样的，在现在有什么重要的应用，以及对于未来贝叶斯发展有什么看法等，这既是一套了解一个算法的流程，也是一种分析问题的思路。

先聊一聊贝叶斯算法是怎么来的，看一下维基百科上面的描述

所谓的贝叶斯方法源于贝叶斯生前为解决一个“逆概”问题写的一篇文章，而这篇文章是在他死后才由他的一位朋友发表出来的。在贝叶斯写这篇文章之前，人们已经能够计算“正向概率”，如“假设袋子里面有N个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多大”。而一个自然而然的问题是反过来：“如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个（或好几个）球，观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例作出什么样的推测”。这个问题，就是所谓的逆概问题。

这么说就比较抽象，我们用一个实际生活的例子来详解贝叶斯，顺便体会它的应用。

算命问题

首先需要普及两个概念，先验概率和后验概率，不明白？上例子。

村里面以前会有一些算命先生，测吉凶，但是作为算命先生来讲如何测的更加准确甚至是百发百中呢。算命先生通常会通过问一些问题来达到他对于你的了解。今天假设小布是算命先生，现在开始算命了，如果我对这个人没有任何了解，包括他的年龄、居住环境等等。按统计学的角度来说，一个人有三高（高血压、高血脂、高血糖）的概率咱们先认为是20%。那么，这个概率 P(三高