接下来可能慢慢进入了机器学习的旅程，可能要面临更大的跳转，希望坚持。

读计算机专业的学生都知道，贝叶斯定理不陌生，是我们大学的概率论统计学里第一章就学习的东西，可想而知，这定理是有多重要。
咱们先来惠顾一下贝叶斯定理如何推理出来的。
由于贝叶斯公式是由全概率公式和乘法公式得到的，所以我们先看看全概率公式和乘法公式。

全概率公式

1. 如果事件组B1，B2，。。。满足1.B1，B2。。。。两两互斥，即 Bi ∩ Bj = ∅ ，i≠j ， i,j=1，2，。。。，且P(Bi)>0,i=1,2,....;
   2.B1∪B2∪。。。=Ω ，则称事件组 B1,B2,。。。是样本空间Ω的一个划分
   设 B1,B2,。。。。是样本空间Ω的一个划分，A为任一事件，则：
   
   因乘法公式是由条件概率公式可得，所以

条件概率

设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为：
P(y|x)=P(xy)/P(x)

乘法公式

1.由条件概率公式得：
P(xy) = P(y|x).P(x) = P(x|y).P(y)

贝叶斯公式

由全概率公式和乘法公式可得

垃圾邮件分类

贝叶斯算法是监督学习，所以在以往的邮件来往中，有多少正常邮件和垃圾邮件已做过统计
问：如果来一封新的邮件，如何判断是什么邮件，垃圾邮件？正常邮件？

image.png

比如咱们用判断该邮件是否是广告邮件即为垃圾邮件。

image.png

加油鸭，希望就在前方。