朴素贝叶斯的公式：
先来看几组定义，然后再慢慢进入贝叶斯。?
几种概率的定义：
先验概率：堵车发生的概率是多少？早上出门，我不知道有没有交通事故，也不知道车辆多不多，堵车的概率是多少？
条件概率：P(堵车|交通事故) 在交通事故发生的情况下，堵车的概率是多少？
后验概率：P(交通事故|堵车) 在堵车发生的情况下，原因是交通事故的概率是多少？
这几个概念，先和后，其实是指事情发生的先后，这里的事情是指，我们将要进行概率计算的事情。
先，先预测一把，我不知道会不会发生这个事，先预测一个概率。
后，事情发生之后，去预测一下造成这个事情的某个原因的概率是多少。也可以说，结果发生，是某个原因造成的概率是多少。
接下来就开始讲鼎鼎有名的贝叶斯了：
今天前方发生交通事故，并且堵车的概率是多少？
- 发生交通事故 （是有一定概率的）
- 发生交通事故后，还需要堵车 ?（也是有一定概率的）
有可能，压根没有交通事故，即使有交通事故，没有造成堵车
这个情景，是我早上刚刚起来，盲猜可能会发生交通事故，而且还堵车的概率。这里有几种情况：1）首先是题目的这个情况，发生交通事故，而且还堵车；2）可能不会发生交通事故；3）发生了交通事故，但是没有堵车， 基本就这三种情况，也就是说这三个事情的概率，加起来等于1。所以说，“发生交通事故”，是有一定的概率；“发生交通事故，而且堵车”，也是有一定的概率。
接下来，需要稍微动一下脑子，我们发现：
“发生交通事故，并且堵车”这个事情，和“堵车，因为发生交通事故”，说的是一个意思，所以它们发生的概率相同。即：
P(交通事故) * P(堵车|交通事故) = P(堵车)*P(交通事故|堵车)
到这里，大名鼎鼎的贝叶斯已经出现了，只要等式两边同时除于P(交通事故)，就能得到朴素贝叶斯的雏形。
P(堵车|交通事故) = P(堵车)*P(交通事故|堵车)/?P(交通事故)
接下来，引入特征和类别的概念，
结合上面的例子，
交通事故： 特征
堵车： 类别
带入上边等式，就得到朴素贝叶斯。
什么是特征，什么是类别？
特征，相当于因子，相当于x；
类别是y，是目的，是响应，是label, 是target.
类似于下面这个表，”嫁与否“ 是类别，其它都是特征。
接下来，有个问题：
两件事情同时发生的概率不是应该等于两者独立的概率乘积吗？
答：两件事情要独立才可以，也就是两件事情不能相关。
今天前方发生交通事故，并且堵车的概率 P(交通事故，堵车)= P(交通事故) * P(堵车) 不对，因为按照常识，交通事故和堵车显然是有关系的。
关于这个问题，老师课上举了好几个例子，抢银行，我有钱等等。
条件概率其实是容易理解的，也基本不大需要自己去推演公式。了解即可。