介紹：
貝葉斯決策就是在不完全情報下，對部分未知的狀態用主觀概率估計，然後用貝葉斯公式對發生概率進行修正，最後再利用期望值和修正概率做出最優決策。
貝葉斯公式：
P(Y|X)= P(X|Y)P(Y)／P(X)
舉例：
症狀 年齡 疾病
流鼻涕 老年人 感冒
流鼻涕 青年人 發燒
頭暈 中年人 低血糖
頭暈 中年人 感冒
流鼻涕 小孩子 感冒
頭暈 小孩子 低血糖
現在又來了第七個病人，是一個流鼻涕的中年人，請問他換上感冒的概率有多少？
下面我們來分析一下，這個問題，其實就是求在“流鼻涕和中年人”這兩個條件發生的情況下，感冒的概率是多少。那我們用貝葉斯公式代入，可得：
P(感冒|流鼻涕x中年人) = P(流鼻涕x中年人|感冒) x P(感冒) / P(流鼻涕x中年人）
這時我們用條件獨立假設，流鼻涕和中年人都是獨立的特徵，公式可以變化為：
P(感冒|流鼻涕x中年人) = P(流鼻涕|感冒) x P(中年人|感冒) x P(感冒) / P(流鼻涕) x P(中年人)
接下來就是求每一個事件發生的概率，我們來分別求一下：
P(流鼻涕|感冒) = 2 ／ 3 ---> 三個感冒的人裡面有兩個流鼻涕的，所以是2/3
P(中年人|感冒) = 1 ／ 3 ---> 三個感冒的人裡面有一箇中年人，所以是1/3
P(感冒) = 1 ／ 2 ---> 六個人裡面有三個感冒的，所以是1/2
P(流鼻涕) = 1 ／ 2 ---> 六個人裡面有三個流鼻涕的，所以是1/2
P(中年人) = 1 ／ 3 ---> 六個人裡面有兩個中年人的，所以是1/3
整理後就變成了：
P(感冒|流鼻涕x中年人) = （2/3 * 1/3 * 1/2）／（1/2 * 1/3）= 2/3
最後得出結果，流鼻涕的中年人患上感冒的概率是 2/3
總結：
貝葉斯分類器的基本原理：在統計資料的基礎上，依據某些特徵條件獨立假設，計算各個類別的概率，從而實現分類。
= P(打噴嚏|感冒) x P(建築工人|感冒) x P(感冒)
閱讀更多 5分鐘機器學習 的文章
