🔑 名詞卡
貝氏定理（Bayes' Theorem）
🎯 定義
利用已知條件更新事件發生機率的方法：\(P(A|B)=\dfrac{P(B|A)\cdot P(A)}{P(B)}\)。將「先驗信念」與「新觀察證據」結合，產生「後驗」判斷。
重點／應用
| 元素 | 名稱 | 意義 |
|---|---|---|
| \(P(A)\) | 先驗機率 | 觀察前的初始信念 |
| \(P(B|A)\) | 概似 | A發生下B發生的可能性 |
| \(P(B)\) | 邊際機率 | B發生的總體機率（全機率公式展開） |
| \(P(A|B)\) | 後驗機率 | 觀察B後對A的重新估計 |
應用於樸素貝氏分類器、貝氏推論、醫療篩檢陽性後的真實患病機率計算等。
記憶技巧
口訣：先驗 × 概似 ÷ 邊際 = 後驗。