今天说的呢是朴素贝叶斯~因为这种分析方法可以做评论中用户倾向及情绪统计，就读了一下，这篇文章讲的还算比较清楚；
朴素贝叶斯分析法是指当我们要预测一个事物， 我们需要的是首先根据已有的经验和知识推断一个先验概率， 然后在新证据不断积累的情况下调整这个概率，整个通过积累证据来得到一个事件发生概率（后验概率）的过程我们称为贝叶斯分析（比如之上提到的分析伴侣出轨的例子，是机器学习的方法之一，有个公式自己看吧），其中包括三个重要因素：先验概率、证据和后验概率。
从朴素贝叶斯分析方法延伸出来了贝叶斯决策和贝叶斯网络；贝叶斯决策步骤包括：1.分清假设和证据；2.给出假设的可能性；3.给出先验性概率；4.计算后验性概率；5.根据目的做出最终决策；（一旦用得多了，数据多了，贝叶斯决策方法就变成了机器学习方法~）。
贝叶斯网络是指事件中各个证据之间存在着因果关系，就导致一旦一个证据发生变化整个时间的概率就发生了变化~人的大脑是个贝叶斯网络因为思考方式之间存在着联系，但是呢又不是个贝叶斯网络，因为发生改变是很困难的，大多数人还是会固执己见的~因为我们内心都有信念和执念，也就是先验概率是固定的，很难因为证据发生改变昂~挺有意思的呢~
原文链接附上：http://api.woshipm.com/pmd/421033.html?sf=mobile
