贝叶斯（Bayes）法则
贝叶斯（Bayes）法则
贝叶斯法则在统计学和机器学习中占据重要地位，但其概念往往令人望而生畏。本文通过生活化的例子和逐步推导的方式，帮助读者轻松理解这一重要概念。
1.生活中的贝叶斯
学概论统计或者机器学习经常都会提到贝叶斯法则，它到底是个啥，让我们一起看看。在生活中我们都会对人或者事物有一个非常主观的判断，这个主观的判断的基础是我们的生活经历总结出来的经验。先来两个例子：
One：我们在大街上看到一个长得五大三粗，有花臂，带着大金链子，穿着个大花褂子的大汉，那么我们很有可能会觉得此人非好人，避而远之。原因是该人在电视剧中典型的反派打扮，我们都非常熟悉，给出了一个非常主观的判断。然后过了一会，你看到了大汉去扶了老奶奶过马路，此时我们又会觉得此人是好人的概率非常大，这是为什么？
Two：你在街上看到一个身穿格子衫，手拿笔记本，不修边幅的男人，那么你可能觉得他是一位资深程序员（我对程序员没有恶意）。然后你和他一起上了公交，在公交车上你看到他在娴熟的炒股，并且最后在一家证券公司下车了，于是你给出了一个新的判断，此人从事炒股工作的概率更大。为什么？
我们用数学的思维想象一下这两个问题：
第一步：最开始我们的判断都是根据我们以往的经验作为依据进行的主观判断，我们可以给出一个老土的叫法，称为先验判断；
第二步：然后我们从他们的言行中获取到了对他们的一些新的认识，我们可以将所获取到的他们的言行当做是一些新的数据；
第三步：我们根据获得的新数据，对之前的先验判断进行一个修正，得到一个新的判断，我们依旧给它取一个老土的名字，就叫后验判断。
聊到这里，我们可以做一个小总结：我们通过新获取的数据来修正我们作出的先验判断，最后得到我们新的后验判断，这就是贝叶斯的基本原理。
2、贝叶斯公式
啥也别说先看公式：
我第一眼看到公式(1)的时候心里的想法是：这是啥，啥玩意，有啥用。
算了都给出公式了不来分析分析
2.1 公式推导
来上图
3、一个小例子
好了弄明白贝叶斯原理之后，我们来看看一个小例子，看看贝叶斯是怎么求解问题的。
问题：
假设我们有100枚硬币，其中有一个是特殊硬币，特殊硬币的正反两面都是相同的都为花面，其他硬币都是正常硬币，一面是花面，一面是数字面。我们从这堆硬币中取出一枚硬币我们只看到其中一面为花面，请问该枚硬币为特殊硬币的概率？