在了解朴素贝叶斯之前，我们就先了解一个概念
叫做概率
概率
啊这个东西在前面就讲过了，那他和这个朴素贝叶斯有什么关系呢
机器学习中的概率
我们看前面的逻辑回归，是不是我们分类是不是把小于0.5的概率的时间归类成一个种类，大于0.5 就归类另一个。
条件概率公式
全概率公式
那么复习完概率了，接下来就进入正题
贝叶斯公式
用前面的复习的内容，把它延伸一下
那么我们知道了他以后有什么用呢，或者说怎么用呢
贝叶斯公式的应用
我们稍微改一下，就可以理解为，一个人逛淘宝，点进一个商品购买的概率是0.1，点进收藏的商品购买的概率是0.4，平时收藏的商品的概率是0.2，问这个人收藏了该商品，购买的概率是多少？
这样一思考，是不是就是个有用的，通过这个概率去给人推送更可能购买的商品。
那么我们来看看这道题
朴素贝叶斯
那么就有问题，在现实生活中，我们的x他是一个对象{x1:'',x2:''.....}那么要怎么办呢。
就引出了我们的朴素贝叶斯了
做个实例试试
假设我们有个新数据x = {x1:0,x2:1,x3:0} 求y更可能为哪个
动动笔算一算，这个有3分之2的概率为1，所以我们就判断他更可能是1
