简单理解贝叶斯算法

贝叶斯公式是在结果发生概率已知的情况推测条件发生的概率，其中所有导致结果发生的概率之和即为全概率，假设产生结果可有两个原因，A,B . 这里假设A,B = {原因} H = {结果}

全概率公式：H发生的可能性

P(H) = P(H|A)P(A) + P(H|B)P(B)

贝叶斯公式: 在H发生的情况下，是A促成的可能性*

举个简单的例子：村子有且仅有两个小偷，小A和小B，根据统计A偷东西的可能性是0.2,B偷东西的可能性是0.8。如果A去偷，偷成功的概率是0.8， 如果B去偷，偷成功的概率是0.3。如果村子丢了一件东西，A和B谁是嫌疑犯的可能性更大？

H={丢东西}

A = {A去偷东西}

B = {B去偷东西}

P(A) + P(B) = 1

A，B两人偷东西可能性 P(A) = 0.2 P(B) = 0.8

这个可以从当地的派出所的案底可以统计出来，根据这两人的作案事件占比可以分析出来

A , B两人得手的可能性 P(H|A)=0.8 P(H|B)=0.3，

这个是可以根据以往这两人偷东西的能力分析得到，A的脑子可能聪明，能力大，B能力不行

那么，村子里丢东西的可能性就是 P（H） = P(A)P(H|A) + P(B)P(H|B) = 0.4

那么如果是A偷得，知道了结果H， 则可表示为

同理，如果是B偷的，丢东西的情况下，是B偷东西的概率是P(B|H) = 0.6