贝叶斯分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率。
先验概率（prior probability）是指根据以往经验和分析得到的概率，如全概率公式，它往往作为"由因求果"问题中的"因"出现的概率。
后验概率是信息理论的基本概念之一。在一个通信系统中，在收到某个消息之后，接收端所了解到的该消息发送的概率称为后验概率。
后验概率的计算要以先验概率为基础。后验概率可以根据通过贝叶斯公式，用先验概率和似然函数计算出来。也就是由先验概率推后验概率。
贝叶斯定理
后验概率， 先验概率， 为可能性函数，也叫调整因子。这个公式虽然很简单，但是蕴含了很多数学原理。下面引用另外一位知乎好友的话，文末会奉上他关于贝叶斯原理的深入浅出的解释：
贝叶斯定理现在很多人在研究，就是因为不少人相信贝叶斯定理和人脑的工作机制很像（此处颇多争论，望自行判断），因此成为机器学习的基础。
有时间用一个简单的数据集用python实现一下贝叶斯分类器：
……
链接：/s/102LI8BsPvzdU8Jc_7_X68g
提取码：9qc1
怎样用非数学语言讲解贝叶斯定理（Bayes's theorem）？
