贝叶斯简介：

贝叶斯(约1701-1761) Thomas Bayes，英国数学家

贝叶斯方法源于他生前为解决一个“逆概”问题写的一篇文章。

贝叶斯要解决的问题：

正向概率：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。

逆向概率：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。

从贝叶斯定理到机器学习的朴素贝叶斯（Naive Bayesian）

在机器学习二分类问题中，A是标签值，B是特征值，我们用贝叶斯算法的预测过程，就是用贝叶斯公式求解上述条件概率的过程。通过我们所有的训练样本或观测数据（训练过程就是求得先验概率和反条件概率的过程），就可以算出P(A)和P(B|A)、P(B|A逆)，从而求得这个条件概率。

当然，问题没那么简单，在这里我们的A和B都只取一个值（发生和不发生），当A取多个值时，就是多分类问题，暂不考虑；当B取多个值时，会遇到一个问题，就是P(B|A)的计算。

贝叶斯理论是类脑计算的一个算法框架。以这个框架为基础，根据人脑认知行为的计算层要求，我们可以构造出相应的算法。以上算法可以使用计算机以软件形式实现，也可以设计专用的集成电路进行加速计算。

“我们相信人人都可以成为一个IT大神，现在开始，选择一条阳光大道，助你入门，学习的路上不再迷茫。这里是北京尚学堂，初学者转行到IT行业的聚集地。"