贝叶斯
正向概率，一个袋子里有N个白球，M个黑球。伸手摸出一个黑球概率是多大。这类问题属于正向概率。（已知比例，求概率）
逆向概率，一个袋子有白球、黑球，但不知道数量、及比例。伸手摸出一个球，观察后就能知道袋子黑白球比例，就是逆向概率。
在全概率公式中，如果将A看成是“结果”，Bi看成是导致结果发生的诸多“原因”之一，那么全概率公式就是一个“原因推结果”的过程。
但贝叶斯公式却恰恰相反。贝叶斯公式中，我们是知道结果A已经发生了，所要做的是反过来研究造成结果发生的原因，是XX原因造成的可能性有多大，即“结果推原因”。
贝叶斯
p(w) 先验概率，表示每种类别分布的概率 ， 或【无条件分布】、【先验分布】，研究前已经得到概率。
p(x|w) 类条件概率，表示在某种类别前提下，某事发生的概率。
p(w|x) 后验概率，表示某事发生了，并且它属于某一类别的概率。
一 贝叶斯思考方式
先验分布p(w) + 样本信息x => 后验分布p(w|x)
问题：
- 先验分布如何获得 ？
先验信息一般来源于经验跟历史资料。比如林丹跟某选手对决，解说一般会根据林丹历次比赛的成绩对此次比赛的胜负做个大致的判断，再比如，某工厂每天都要对产品进行质检，以评估产品的不合格率θ，经过一段时间后便会积累大量的历史资料，这些历史资料便是先验知识，有了这些先验知识，便在决定对一个产品是否需要每天质检时便有了依据，如果以往的历史资料显示，某产品的不合格率只有0.01%，便可视为信得过产品或免检产品，只每月抽检一两次，从而省去大量的人力物力。
