书名：计算机视觉40例从入门到深度学习：OpenCV-Python
作者：李立宗
出版社：电子工业出版社
出版时间：2022-07-01
ISBN：9787121436857
第15章 机器学习导读
15.3 OpenCV中的机器学习模块
15.3.6 贝叶斯分类器
1、贝叶斯方法的概念
贝叶斯方法涉及的重要概念有：
- 先验概率
是对事件发生做出的主观判断值。 - 似然估计
是根据已知的样本结果信息，反推最有可能导致这些样本结果出现的模型参数值，简单理解就是条件概率，是在某个事件发生的情况下另一个事件发生的概率。
例如，在已经阴天的情况下，下雨的概率。 - 后验概率
是对先验概率和似然估计进行计算后得到的值。每次修正后得到的后验概率是下一轮计算的先验概率。
2、贝叶斯方法计算
- 朋友递给我一个装着白球和黑球的不透明的盒子，让我使用贝叶斯方法计算盒子中白球的占比P。
此时，已知信息有限，所以先根据经验猜测P值为0.5（先验概率）。
接下来，从盒子中拿出一个球，根据这个球的颜色得到一个标准似然估计，
对P值进行修订，得到一个新的P值（后验概率）。
重复拿球出来，根据每次拿出的球修正P值，P值越来越可靠。
其原理与科学研究中通过不断实践得到一个相对可靠的结果类似。
