贝叶斯定理 编辑
贝叶斯定理是概率论中的一个定理，描述在已知一些条件下，某事件的发生几率。比如，如果已知某人妈妈得癌症与寿命有关，使用贝叶斯定理则可以通过得知某人年龄，来更加准确地计算出他妈妈罹患癌症的几率。
1
相关
在贝叶斯定理中，某一不确定量p的先验概率分布是在考虑“观测数据”前，能表达p不确定性的概率分布。它旨在描述这个不确定量的测量不确定度，而不是这个不确定量的随机性。这个不确定量可以是一个参数，或者是一个隐含变量。依据应用领域的不同，事前几率又叫做先验几率、先验概率、事前先验几率、居先几率。
，在机器学习中是一系列以假设特征之间强统计独立性下运用贝叶斯定理为基础的简单概率分类器。
贝叶斯推断是推论统计学的一种方法。这种方法使用贝叶斯定理，在有更多证据及信息时，更新特定假设的概率。贝叶斯推断是统计学中很重要的技巧之一。贝叶斯更新在序列分析中格外的重要。贝叶斯推断应用在许多的领域中，包括科学、工程学、哲学、医学、体育运动、法律等。在决策论的哲学中，贝叶斯推断和主观概率有密切关系，常常称为贝叶斯概率。
在概率统计理论中, 生成模型是指能够随机生成观测数据的模型，尤其是在给定某些隐含参数的条件下。它给观测值和标注数据序列指定一个联合概率分布。在机器学习中，生成模型可以用来直接对数据建模，也可以用来建立变量间的条件概率分布。条件概率分布可以由生成模型根据贝叶斯定理形成。
理查德·普莱斯威尔士道德哲学家、牧师、数学家，政治活动家，生于布里真德市，支持美国独立运动和法国大革命，与美国建国元勋等人有交往，参与编辑发表贝叶斯定理。
，在机器学习中是一系列以假设特征之间强统计独立性下运用贝叶斯定理为基础的简单概率分类器。
托马斯·贝叶斯，18世纪英国数学家。1742年成为英国皇家学会会员。贝叶斯以其在概率论领域的研究闻名于世，他提出的贝叶斯定理对于现代概率论和数理统计的发展有重要的影响。他还曾在长老会担任牧师。
在贝叶斯定理中，某一不确定量p的先验概率分布是在考虑“观测数据”前，能表达p不确定性的概率分布。它旨在描述这个不确定量的测量不确定度，而不是这个不确定量的随机性。这个不确定量可以是一个参数，或者是一个隐含变量。依据应用领域的不同，事前几率又叫做先验几率、先验概率、事前先验几率、居先几率。
贝叶斯概率是由贝叶斯定理所提供的一种对概率的解释，它采用将概率定义为某人对一个命题信任的程度的概念。贝叶斯理论同时也建议贝叶斯定理可以用作根据新的信息导出或者更新现有的置信度的规则。