一. 什么是贝叶斯
贝叶斯定理是一种在已知其他概率的情况下求概率的方法。
后验概率=先验概率*调整因子； 记忆方法：AB AB AB；即 AB=A*BA/B
贝叶斯中的各个概率对应的事件：
P(A|B):在B发生的条件下A发生的概率
P(A) :A发生的概率
P(B) :B发生的概率
P(B|A): 在A发生的条件下B发生的概率
二. 实例理解
小明要带小红去郊外旅游，不过当天早上天空多云，现已知以下三个事件：
50%的雨天早上是多云的；该地方大约40%的早上是多云；这个月以干旱为主，平均30的时间里，一般只会有3天下雨，下雨的概率为10%；求当天多云的早上下雨的概率。
P(云|雨)=50%；P(云)=40%； P(雨)=10%； 求P(雨|云)
则 P(雨|云)=P(雨)*P(云|雨)/P(云)=0.1*0.5/0.4=0.125，可知多云的早上下雨的可能性仅为12.5%。
三. 贝叶斯公式的特别版（假阳性和假阴性的检测）
小明撸猫两天，突然浑身发痒；小红就想着小明是不是对猫过敏，于是小明就做了个简单的过敏检测；现已知一下三个事件：
真的有这种过敏的人，检测“有”的概率为80%；
没有这种过敏的人，检测“有”的概率为10%。(假阳性)
小明的村子里1%的人有这种过敏；
那么小明检测返回“有”，他对猫过敏的概率是多少？
P(过敏|有)=P(过敏)*P(有|过敏)/P(有) ，现在我们会发现一个问题，P(有) 题目中没有直接给出，P(有)，对于村子里的任何人，检测结果为"有"的概率，那我们进行下面的分解：
对猫过敏，检测为"有"的概率和对猫不过敏，检测为有的概率：1%*80%+99%*10%=10.7%。则对于村子里的任何人，检测结果为"有"的概率为10.7%。
那么小明检测为"有"，他真的对猫过敏的概率为:
P(过敏|有)=P(过敏)*P(有|过敏)/P(有)=1%*80%/10.7%=7.48%。