目標是調參大師！首先要明白自己在調什麼
貝葉斯定理（抄自資料探勘概念與技術（例子部分有篡改））：設X是資料元組。在貝葉斯的術語中，X看做證據。通常，X用n個屬性集的測量值描述（特徵）。令H為某種假設，如資料元組X屬於某個特定類C。對於分類問題，希望確定給定證據或觀測資料元組X，假設H成立的概率p（H|X）。換言之，給定X的屬性描述，找出元祖X屬於類C的概率。（根據特徵，找到屬於某一類的概率）。
P（H|X）是後驗概率，或在條件X下，H的後驗概率。例如，資料元組由屬性身高，職業，月薪來描述一個人。而X是一個身高190，月薪3000元的學生。令H為某種假設，比如今天中午學生吃肯德基。那麼P（H|X）反映當我們知道身高190，月薪3000，職業是學生時，中午吃肯德基的概率。
相反，P（H）是先驗概率，或H的先驗概率。對於我們的例子，他是任意給定人中午吃肯德基的概率，而不管他的特徵。後驗概率P（H|X）比先驗概率P（H）基於更多的資訊（特徵）。P（H）獨立於X。
類似的，P（X|H）是條件H下，X的後驗概率。也就是，已知一個人中午吃肯德基，那麼他身高190，月薪3000，職業為學生的概率是多少。
P（X）是X的先驗概率。是所有人中身高190，月薪3000，職業為學生的概率是多少。
下面給出貝葉斯公式：