白话贝叶斯算法
贝叶斯算法是一个很漂亮的算法，不过要真正掌握它，除了要清楚它的优点，还需要弄清楚它的一些缺点所在.
先弄清它的本质吧，不谈公式，谈实质。
吃路边摊的烤肉，吃烤肉是有可能上火的牙痛的，也是有可能拉肚子的， 那么它究竟是导致上火还是导致拉肚子？这个概率如何确定，如何量化它？
吃多了上火，吃脏了拉肚子， 两个特征我们是无法准确量化与表达的，但我们可以基于统计，知道吃烤肉拉肚子的概率是多少，吃烤肉吃到上火的概率是多少，贝叶斯算法的威力在这里就体现出来了，你在哪里吃，吃了多少，都是有不同的上火还是拉肚子的概率的，所以提供足够多的摊位中的人吃烤肉是上火还是拉的样本，它就能正确识别出，你在某摊位吃了东西，是拉肚子的机率更高还是上火的机率更高，它会挑选出一个概率更大的结果告诉你。
简单来说，它就是能告诉你，什么情况下，根据历史数据，什么是最有可能的，听起来很美好，不过你要是用来算彩票或是股票，那还是省省吧。
为什么？注意观察这种方法，可以发现，它有一些特别的要求：
首先，要求你输入的条件有一定的相对独立性，如果没有，事情就会变得复杂，如果你不清楚条件之间的关系，就会完蛋。
这样说太抽象，具体举例：你有两块钱，买了彩票中了五百万，然后包了二奶，两块钱与二奶之间，必须有个条件是你中了五百万，要不二块钱你是包不了二奶的。
所以条件之间产生了依赖关系，中间有一个关键的条件，对于这种情况，贝叶斯算法只能改进，把条件建立为有向图，然后一步一步来推算，形成连续的概率推算公式，这种情况是比较简单的情况，如果复杂有几十个联立的条件，还有各种其它的条件时，这种方法很容易混乱---因为人不是都能弄清楚条件之间是否有关联性。
垃圾邮件为什么用贝叶斯算法效果是不错的？因为各份邮件之类都是独立的，很少有连续条件发生。
而像彩票，金融这种，是由什么条件导致它的数字变化，中间又有多少条件，基本上不是大脑弄得清楚的。
更重要的是，不但对条件有所要求，对提供的样本，这家伙也有要求，比如说，你只提供了一个你有两元钱，你中了奖，你包了二奶的样本，那么即使是你建立了有向图，逐步判断，这家伙也一样会认为，只要有两块钱，你就能包二奶，除非你再提供新的样本，于是这就要求了你提供的样本要完备，那么，中彩票的概率是一千万分之一，你最好提供一千万个样本，而且还不能是一千万个都是中彩票的，必须是完备的自然数据 ，它的统计概率才有可能（注意是可能）近乎事实。
所以在实际的运用中，几乎所有的贝叶斯算法都是要针对应用的不同方面，针对其中的条件进行其它的概率条件处理及样本的处理，所以，尽量它很优秀，在弄清事物条件与结果的关系时，能给出很漂亮的结果，但是对条件及样本的依赖，导致了应用范围并不广。
先弄清它的本质吧，不谈公式，谈实质。
吃路边摊的烤肉，吃烤肉是有可能上火的牙痛的，也是有可能拉肚子的， 那么它究竟是导致上火还是导致拉肚子？这个概率如何确定，如何量化它？
吃多了上火，吃脏了拉肚子， 两个特征我们是无法准确量化与表达的，但我们可以基于统计，知道吃烤肉拉肚子的概率是多少，吃烤肉吃到上火的概率是多少，贝叶斯算法的威力在这里就体现出来了，你在哪里吃，吃了多少，都是有不同的上火还是拉肚子的概率的，所以提供足够多的摊位中的人吃烤肉是上火还是拉的样本，它就能正确识别出，你在某摊位吃了东西，是拉肚子的机率更高还是上火的机率更高，它会挑选出一个概率更大的结果告诉你。
简单来说，它就是能告诉你，什么情况下，根据历史数据，什么是最有可能的，听起来很美好，不过你要是用来算彩票或是股票，那还是省省吧。
为什么？注意观察这种方法，可以发现，它有一些特别的要求：
首先，要求你输入的条件有一定的相对独立性，如果没有，事情就会变得复杂，如果你不清楚条件之间的关系，就会完蛋。
这样说太抽象，具体举例：你有两块钱，买了彩票中了五百万，然后包了二奶，两块钱与二奶之间，必须有个条件是你中了五百万，要不二块钱你是包不了二奶的。
所以条件之间产生了依赖关系，中间有一个关键的条件，对于这种情况，贝叶斯算法只能改进，把条件建立为有向图，然后一步一步来推算，形成连续的概率推算公式，这种情况是比较简单的情况，如果复杂有几十个联立的条件，还有各种其它的条件时，这种方法很容易混乱---因为人不是都能弄清楚条件之间是否有关联性。
垃圾邮件为什么用贝叶斯算法效果是不错的？因为各份邮件之类都是独立的，很少有连续条件发生。
而像彩票，金融这种，是由什么条件导致它的数字变化，中间又有多少条件，基本上不是大脑弄得清楚的。
更重要的是，不但对条件有所要求，对提供的样本，这家伙也有要求，比如说，你只提供了一个你有两元钱，你中了奖，你包了二奶的样本，那么即使是你建立了有向图，逐步判断，这家伙也一样会认为，只要有两块钱，你就能包二奶，除非你再提供新的样本，于是这就要求了你提供的样本要完备，那么，中彩票的概率是一千万分之一，你最好提供一千万个样本，而且还不能是一千万个都是中彩票的，必须是完备的自然数据 ，它的统计概率才有可能（注意是可能）近乎事实。
所以在实际的运用中，几乎所有的贝叶斯算法都是要针对应用的不同方面，针对其中的条件进行其它的概率条件处理及样本的处理，所以，尽量它很优秀，在弄清事物条件与结果的关系时，能给出很漂亮的结果，但是对条件及样本的依赖，导致了应用范围并不广。
