貝葉斯相關的理論來源於概率論
概率論關注的焦點是無處不在的可能性。
最開始接觸貝葉斯算法時，總是搞不清楚幾個概率的概念
假設我們現在分析兩個事件 A和B相關的概率
先驗概率
某個事件發生的概率，A的先驗概率記做 P(A)
聯合概率:表示事件A和事件B同時發生的概率，記做 P（AB）
後驗概率（條件概率）
一定條件下發生的概率，如事件A在另外一個事件B已經發生條件下的發生概率，在B條件下A的概率，記做 P（A|B）
P(B|A)= P(B,A)/ P(A).
以上解釋了【貝葉斯思想：先驗概率+數據=後驗概率】
先驗概率預先設定的假設成立的概率
爲什麼樸素貝葉斯如此“樸素”？
因爲它假定所有的特徵在數據集中的作用是同樣重要和獨立的。正如我們所知，這個假設在現實世界中是很不真實的，因此，說樸素貝葉斯真的很“樸素”。
邏輯迴歸與線性迴歸的關係稱得上系出同門，與樸素貝葉斯分類的關係則是殊途同歸。兩者雖然都可以利用條件概率 P(Y|X)，完成分類任務，實現的路徑卻截然不同
參考資料 https://www.jianshu.com/p/7dbf723df28c