• 今天我們要談的是Navie Bayes演算法：

• Naive Bayes 演算法的起源與原理：

• Naive Bayes 演算法的數學式：

• Naive Bayes 演算法的程式碼：

• Naive Bayes 演算法的數學式：

• 在談論Naive Bayes 演算法的起源與原理之前，我們要先談談機率的條件機率，全機率定理，再來說貝氏定理：

• 條件機率：

• def.在事件B已發生的情形下，問事件A發生的機率。記做：P[A|B]

• 數學式： P[A | B] =\frac{P[A\cap B]}{P[B]}

• 全機率定理：

• def.已知E1~En均為S之子集，若其具以下性質，則稱E1~En為S之一分割（partition）

• a. 任何i \ne j ，Ei \cap Ej = 0

• b.E1 \cup E2 \cup …\cup En = S

• 定理，呈上，則有「全機率定理」，若E1~En為S之一分割，則任何A有：

• P[A] =\sum_{i=1}^n P[A | E_i] P[E_i]

• 貝氏定理：在某事件A發生的情形下，求Ei發生的機率：

• P[Ei | A] =\frac{ P[A|E_i]P[E_i]}{\sum_{i=1}^n P[A| E_i]P[E_i]}

• 上面的def.是定義definition的縮寫，未「def.」。 A \cap B的意思是A交集B，E_1 \cup E_2是E_1聯集E_2，LaTex語法，忘記的同學，可以去翻閱一下day1標題下連結，那裏有詳細用法。

• P [A]的def.為P[A] = \frac{｜A｜}{｜S｜}，其中S為宇集合，就是物件全體總數，以下面條件機率的範例就是那一藍水果，P[A]則表示為從一藍水果中，取出蘋果的機率是多少。

條件機率簡單的範例如：
買一籃蘋果3顆，香蕉2根，芭樂5顆共10個水果中，問隨便從籃子中取出一棵為蘋果的機率就是3/10即0.3也就是有3成的機率為蘋果。

• 明天我們會談Naive Bayes 演算法起源，原理與程式碼，敬請期待！