贝叶斯定律与垃圾邮件

开始系统的学习

期望和方差

看到贝叶斯定律用来做垃圾邮件过滤很是感兴趣如果确定其中的样本空间
参考:http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_two.html
理解如下:
从垃圾邮件中找高频词，取此词在新邮件中的概率与历史的正常邮件和垃圾邮件对比，此词为一个集合，然后“Paul Graham的门槛值是0.9”这个门阀值没有给背景内容。基本就可以出比较结果了。

popexizhi 感觉贝叶斯定律是从A进入看到A∩B的概率后，得出从B进入看到A∩B的概率，由于交换了分母，这个一定要换算到一个统一的基准，这里默认用的是全概公式，如果有其他基准点应该也是可以的吧:)

PS：期望原来是未发生的均值，这样就可以理解方差在期望中的计算一定是类比均值计算来的了:)

目标是几何分布中期望和方差的计算捷径，有结果了再来总结吧！