1.條件概率

　　事件A和事件B 事件A發生的前提下事件B發生的概率: P(AB) = P(B|A)P(A)

　　舉例：

　　　　十個球其中 3 黑 7白，做兩次不放回的取球，求兩次都拿到黑球的概率（事件A為第一次取，事件B為第二次取。）

　　　　事件A 發生的概率 P(A) = 3/7，事件A發生的前提下B發生的概率: P(B|A) = 2/6

　　　　此時P(AB) = P(B|A)*P(A)

2.貝葉斯

　　貝葉斯公式：P(A|B) = P(B|A) * P(A) / P(B) 

3.樸素貝葉斯　

　　樸素貝葉斯分類是一種十分簡單的分類演算法，樸素貝葉斯的思想基礎是這樣的：對於給出的待分類項，求解在此項出現的條件下各個類別出現的概率，哪個最大，就認為此待分類項屬於哪個類別

　　假設給定x 判斷 x 屬於集合C中哪個y

　　其中p(x)是個給定的，所以 p(y | x) 正比於其分母項

4、樸素貝葉斯模型

　　樸素貝葉斯常用的三個模型有：

　　　　高斯模型：處理特徵是連續型變數的情況

　　　　多項式模型：最常見，要求特徵是離散資料

　　　　伯努利模型：要求特徵是離散的，且為布林型別，即true和false，或者1和0

5、貝葉斯演算法使用示例

　　醫院早上的六個病人情況如下：

　　現在又來了第七個病人，是一個打噴嚏的建築工人。請問他患上感冒的概率有多大?

　　求: p(感冒|工人, 打噴嚏) = p(工人, 打噴嚏|感冒) * p(感冒) / p(工人,打噴嚏)

　　　　　　　　　　　　   = p(工人|感冒) * P(打噴嚏|感冒) * p(感冒) / p(工人) * p(打噴嚏)

　　　　　　　　　　　　   = (1/3 * 2/3 * 3/6) / (2/6) * (3/6)

　　　　　　　　　　　　   = 2/3