1. 预备知识（条件概率）

1.1 条件概率定义公式

$P(A | B) = \frac{P(A\cap B)}{P(B)}$

1.2 条件概率的乘法定理（乘法规则）

$P(A | B) = \frac{P(A\cap B)}{P(B)} \Rightarrow P(A\cap B)=P(B)P(A|B)=P(A)P(B|A)$

2. 贝叶斯法则

2.1 介绍

$P(B|A) = \frac{P(B \cap A)}{P(A)}=\frac{P(A|B)P(B)}{P(A)}$
式子分母 $P(A)$ 可以看作普通变量，因为我们只关心在给定事件A的情况下可能发生事件B的概率， $P(A)$ 的值时确定不变的。故有

$argmax\frac{P(A|B)P(B)}{P(A)}=argmaxP(A|B)P(B)$

注：这里argmax的意思是求事后面的值最大的B的参数

2.2 事件A的概率计算方法

首先，根据乘法规则：
$P(A\cap B)=P(A|B)P(B)$
$P(A\cap \bar{B})=P(A|\bar{B})P(\bar{B})$

因此有：

$P(A)=P(A \cap B)+P(A \cap \bar{B})=P(A|B)P(B)+P(A|\bar{B})P(\bar{B})$

推广到一般形式，假设B事样本空间 $\Omega$ 的一个划分，即 $\sum_iB_i=\Omega$ 。如果 $A \subseteq\bigcup_{i}B_i$ ,并且 $B_i$ 互不相交，那么 $A=\sum_{i=1}B_iA$ ，于是 $P(A)=\sum_{i=1}P(B_iA)$ 。由乘法定理可得
$P(A)=\sum_i P(A|B_i)P(B_i)$ 该公式称为全概率公式。

朴素贝叶斯
理论基础条件概率：朴素贝叶斯最核心的部分是贝叶斯法则，而贝叶斯法则的基石是条件概率。贝叶斯法则如下：词集模型：...
宗成庆自然语言理解笔记 02 数学基础
2.1 概率论基础全概率公式贝叶斯法则(Bayes' theorem) 贝叶斯决策理论(Bayesian de...
图解贝叶斯分类器
本文知识点：贝叶斯公式一般化的贝叶斯公式朴素贝叶斯算法：用到链式法则，条件独立朴素贝叶斯分类器（Naïve...
数据挖掘之贝叶斯
贝叶斯推理贝叶斯法则朴素贝叶斯分类器应用：文本分类 1. 贝叶斯推理 --提供了推理的一种概率手段 --两个基本假...
贝叶斯法则？
你活在自己想象的世界里（先验），但是世界不是你想象的那个样子（后验）。所以需要不断的更新认知，用后验迭代先验。这难...
贝叶斯法则
1. 预备知识（条件概率） 1.1 条件概率定义公式 1.2 条件概率的乘法定理（乘法规则） 2. 贝叶斯法则 2...
贝叶斯推理
贝叶斯的统计学中有一个基本的工具叫贝叶斯公式、也称为贝叶斯法则，尽管它是一个数学公式，但其原理毋需数字也可明了。...
算法笔记（7）-朴素贝叶斯算法及Python代码实现
朴素贝叶斯算法有三种类型，分别是贝努利朴素贝叶斯、高斯贝叶斯、多项式朴素贝叶斯。贝叶斯公式贝努利朴素贝叶斯适...
贝叶斯公式/贝叶斯法则/贝叶斯定理
介绍贝叶斯法则贝叶斯定理是用来做什么的？简单说，概率预测：某个条件下，一件事发生的概率是多大？ wiki 把为...
朴素贝叶斯(NBM)之后验概率最大化的含义 | 统计学习方法
朴素贝叶斯 - 贝叶斯估计Python复现：舟晓南：朴素贝叶斯（Bayes）模型python复现 - 贝叶斯估计...