贝叶斯统计
优势：
在数据少的情况下也可以进行推测，数据越多，推测结果越准确”，以及“对所获的信息可做出瞬时反应，自动升级推测”的学习功能
但与此同时，“贝叶斯统计在某种程度上是不可靠的”。究其原因，是由于贝叶斯统计中所涉及的概率是“主观的”，但这也是它便利性的本质体现。
相关概念：
1.先验概率：
指在我们在没有获取到任何和下一步相关的信息的情况下 做出的对下一步可能发生的操作的概率的估计。因此，简而言之，我们可以认为是我们预设一个概率，例如我们是抄手售货员，看到顾客进入超市，我们可以先预设了一个概率，也就是先验概率，我们假设顾客买东西的先验概率是0.2.
2.条件概率
指我们在先验概率的基础上继续细分类别，并得到条件概率。例如，顾客进入超市可分为随便看看和来买东西，他们又可以细分为是否上前询问售货员，并根据已有的经验和数据来得出对应的条件概率。
3.后验概率
也称之为贝叶斯逆概率。现在我们观察到了顾客上前询问的行为，因此我们将不上前询问的可能性排除。接着，我们需要将来买东西上前询问 和 随便逛逛上前询问 的概率组合，使其标准化，让其相加和为1。因此，此时上前询问中为购买者 和 随便逛逛的人 比例为 3/7 : 4/7。这便是贝叶斯逆概率。
而在先验概率基础之上，经过观察已有行为结果之后，概率更新为后验概率，虽然不能断定顾客就是来买东西的人，但结果可能性提高两倍，这就是贝叶斯更新。
概括：
上面的过程就称之为”贝叶斯“推理。贝叶斯推理可以总结为为：通过观察行动（信息），将先验概率通过贝叶斯更新，转换为后验概率。而各个贝叶斯推理整合起来就称之为贝叶斯统计学。
主观概率
像这样，可以解释为“人的内心描绘的数值”的概率称为“主观概率”
贝叶斯逻辑推理
概率推理可以分为标准统计推理 和 贝叶斯推理。概率推理一般会得出“大概是XX”这样的结论。标准统计推理是在一定风险上以 “是XXX”这样的形势将结论集中到一点，换言之就是冒着一定风险确定一个最终结论并忽略其他的可能性。而贝叶斯统计则是以 ”每种可能性都有，但XX可能性更大” 的形式得出结论。
