贝叶斯过滤：先猜一个，再看着办

2026-10-29silcano

你有没有过这样一个瞬间——

手机在桌上“叮”一声。你眼睛没离开手头的活儿，只是斜着瞥了一眼锁屏，上面写着：“【顺丰】您的包裹因地址不详无法派送，请点击链接确认。”

你还没伸手去拿，心里已经给它判了死刑：假的。

然后你把手机拿起来，看了一眼发件人是一串 106 开头的长号码，就更笃定了。

整个过程不到两秒。你没查号码归属地，没搜过这个措辞对不对，没打开链接去看域名，甚至没读完整句话。你就是“感觉不对”。

这篇文章想聊的，就是这个“感觉”背后的东西。它有个听着挺唬人的名字，叫贝叶斯过滤。

我先把结论放在这儿：它一点也不高深。拆开看，朴素得有点过分，甚至朴素到你会怀疑——就这？就这也能叫数学？

但就是这套“就这”，活了二百五十年，今天还在你手机里每天跑几十万次。

· · ·

一、先认识一个人：一个一辈子没红过的牧师

托马斯·贝叶斯，1702 年生，英国长老会牧师。

这人的正经工作跟数学关系不大，主要是写神学文章，生前没发表过多少东西，一辈子没什么名气。他死后，朋友在他遗物里翻出一篇没写完的论文，替他投给了英国皇家学会。论文的标题很长，直译过来大概是《关于求解机会理论中一个问题的尝试》。

这篇论文里，他提了一个问题，用今天的话说就是：

如果我不知道一件事到底有几分可能，但我看到了跟它相关的证据，那我该怎么调整我原本的判断？

他给出了答案。

这个答案后来被印进了每一台手机、每一个邮箱、每一个推荐系统、每一份体检报告。而他本人，一辈子没因为这件事得到过任何名声——甚至连“贝叶斯”这个姓氏，都是后人追认上去的。

一个牧师，解决了一个“看到证据之后该怎么改主意”的问题。这事本身有点意思：他干的活儿，是劝人相信；他留下的公式，讲的是如何怀疑。

· · ·

二、那个公式，翻译成人话只有一句

先上公式。别怕，我马上翻译，翻译完你会发现它其实是一句家常话。

P(A | B) = P(A) × P(B | A) ÷ P(B)

这四个符号，用大白话拆开：

符号	大白话
P(A)	我原来的判断。没看任何证据之前，我猜它是几分可能
P(B | A)	假如我猜对了，看到这个证据的可能性有多大
P(B)	不管我猜得对不对，看到这个证据的可能性有多大
P(A | B)	看到证据之后，我该把判断改成几分

换个说法，就这么一句：

新判断 = 老判断 × 这个证据的含金量

那“含金量”到底是什么？是这句话：

这个证据，在“我猜对了”的世界里有多常见；在“我猜错了”的世界里又有多常见。

两者一比，就是它的含金量。

举个例子你就懂了。

假设你体检，医生说你某项指标异常。这个指标，在“真有病”的人里 90% 会异常；在“没病”的人里也有 30% 会异常。

那它算不算强证据？

90% ÷ 30% = 3 倍。也就是说：看到这个异常，你“有病”的可能性变成了原来的 3 倍。

不弱，但也不至于“天塌了”。

这就是贝叶斯的第一个直觉：证据不告诉你答案，它只告诉你“往哪边挪，挪多少”。

· · ·

三、第一个完整例子：门外那个人是谁

把这个公式忘掉。我们讲个更实在的场景。

晚上九点半，有人敲门。

你脑子里第一反应是什么？

不用细想。凭经验，晚上九点半敲门的，十个里大概七个是送外卖或者送快递的，两个是邻居，剩下一个是推销、物业、走错门的。

所以你的“先验判断”是：外卖/快递 70%，邻居 20%，其他 10%。

这个 70/20/10，就是公式里的 P(A)。没看任何证据之前，你心里那个大概的谱。

然后，证据一个一个来了。

证据一：敲门声很急，咚咚咚连着三下

外卖员的敲门声通常急，因为手上还挂着两袋餐，急着送下一单；邻居一般缓一些，还可能喊一声“是我”；推销员往往按门铃，不敲门。

假设这个证据在三种情况下的出现率是：外卖 60%，邻居 15%，推销 5%。

那判断就动了。乘法先走一遍：

外卖：0.70 × 0.60 = 0.42

邻居：0.20 × 0.15 = 0.03

推销：0.10 × 0.05 = 0.005

三个数加起来是 0.455，不等于 1。所以要按比例缩回去（这叫归一化）：

外卖 0.42 ÷ 0.455 ≈ 92%

邻居 0.03 ÷ 0.455 ≈ 6.6%

推销 0.005 ÷ 0.455 ≈ 1.1%

一个敲门声，就把“外卖”从 70% 顶到了 92%。

注意一件事：这个 92% 是从 70% 来的。如果你的先验是 30%，同样一个敲门声，顶到不了 92%。

证据的作用是“放大”，不是“创造”。放大倍数一样，起点不同，终点就不同。

证据二：从猫眼一看，对方没穿工服，穿的是一件 T 恤

你说，外卖员不都穿工服吗？不一定。众包骑手、跑腿、同城急送，很多人就穿自己的衣服。所以这个证据不是决定性的。

T 恤的出现率：外卖 30%，邻居 80%，推销 50%。

外卖：0.923 × 0.30 = 0.277

邻居：0.066 × 0.80 = 0.053

推销：0.011 × 0.50 = 0.0055

总共 0.335。归一化：外卖 82.6%，邻居 15.7%，推销 1.6%。

看见没有——外卖的判断掉下来了，从 92% 掉到 82.6%；邻居从 6.6% 涨到了 15.7%。

一个“没穿工服”，把答案往回拉了一截。

这就是贝叶斯最要紧的一点：它可以往下走。很多人的思维是“找到了支持我的证据 → 我更强了”，单向的。贝叶斯是双向的，新证据可以把你原来的判断直接按回去。

证据三：他手里拎着一个塑料袋，袋子上没有 logo

塑料袋出现率：外卖 85%，邻居 20%，推销 10%。

外卖：0.826 × 0.85 = 0.702

邻居：0.157 × 0.20 = 0.031

推销：0.016 × 0.10 = 0.0016

总共 0.735。归一化：外卖 95.5%，邻居 4.3%，推销 0.2%。

可以开门了。

这就是贝叶斯过滤的全部秘密：不是你一次算对，是你算了很多次，每一次都让新证据微调一下。

而且这里藏着一个特别容易理解错的地方。

塑料袋这个证据，不是“塑料袋证明他是外卖员”。而是“如果他是外卖员，他更容易拎塑料袋”。反过来——你邻居也可能拎塑料袋，只是概率低一些。

这个区别是贝叶斯的核心。很多人一知半解就栽在这儿：把证据当成“证词”，以为它在指认真凶。其实证据只是“似然”（likelihood）——它说的是在哪一边更容易出现，不是它站在哪一边。

· · ·

四、正题：一封邮件是怎么被“过滤”掉的

上面那个场景，只有三个证据，三行数。垃圾邮件过滤器干的是同一件事，只是证据有几千个，判断一天跑几十万次。

具体怎么做？四步。

第一步：把信拆成词

“恭喜您获得免费抽奖机会，点击领取” → 拆成：恭喜 / 您 / 获得 / 免费 / 抽奖 / 机会 / 点击 / 领取。

中文要分词，英文按空格切。有些系统还会把两三个字连在一起的片段也当成一个特征（“免费领取”算一个），这叫 n-gram。多粒度的特征一起上，判断更稳。

第二步：数历史上每个词的“垃圾率”

拿几十万封已经标好“垃圾 / 正常”的邮件，统计每个词在两个阵营里的出现频率。

比如下面这张表（数字是我编的，但量级差不多）：

词	垃圾邮件里出现率	正常邮件里出现率	倍数
免费	38%	1.2%	32×
中奖	12%	0.05%	240×
点击	45%	8%	5.6×
您	71%	34%	2.1×
会议	2%	22%	0.09×
附件	6%	31%	0.19×

重点看最后两行。“会议”的倍数是 0.09，小于 1。什么意思？

它是“反证据”。它出现在正常邮件里的可能性，是出现在垃圾邮件里的 11 倍。

所以贝叶斯过滤器不是只找坏词。它也认好词，好词会把判断一路往回拉。

你收到一封邮件，满屏都是“会议、附件、项目进度、下周一对齐”，就算里面夹了一句“限时优惠”，整体分数也会被压下去。

第三步：把证据乘起来

来了一封新邮件：“恭喜您获得免费抽奖机会，点击领取”。

假设先验是 50%（一封邮件事先是垃圾的概率，看你的邮箱历史）。

把那几个词的倍数乘起来：

32 × 240 × 5.6 × 2.1 ≈ 90,300

光这四个词，就把概率往上翻了九万倍。再算上“恭喜”“获得”“机会”“领取”这些，整体能翻到几十万倍。

这封信是垃圾的概率，四舍五入就是 99.99…%。

你看，这里其实有个挺漂亮的性质：单个证据可以很弱（2.1 倍，跟掷硬币差不了太多），但证据一多，就会滚雪球。

一个“您”，什么也说明不了。十个“您”加上“免费”“中奖”“点击”，就是铁证。

第四步：跟一个阈值比

实际系统不会真的把概率乘到 99.9999%——浮点数乘太多次会直接下溢成 0。所以工程上一般干两件事：

一是取对数。把“乘法”变成“加法”。几十个证据的 log 值加起来，数值稳稳当当，不会溢出。数学上等价，工程上保命。

二是只取最有信息量的 N 个词。按“倍数离 1 有多远”排序，只留前 15 个左右。剩下的信息量本来就小，扔掉不影响结论，还快。

然后跟阈值比：超过 0.9 直接进垃圾箱，0.5 到 0.9 打上“疑似”标记，低于 0.5 放行。

问题来了：阈值为什么不是 0.5？

因为两种错误的代价不一样。把正常邮件扔进垃圾箱，用户会打电话来骂人，可能还丢了一笔生意；把垃圾邮件放进来，用户只是划掉，多花半秒。

所以阈值往上调。宁可放过，不可错杀。

这一点也特别贝叶斯：决策不是概率问题，是代价问题。概率告诉你“有多可能”，代价告诉你“该不该动”。这两件事经常被混为一谈。

· · ·

五、那个“朴素”是什么意思，是夸还是骂

你可能听过“朴素贝叶斯”这个词。“朴素”（naive）不是夸它，是骂它——准确说是自嘲。

因为它做了一个明显不成立的假设：假设所有词之间互相独立。

可现实里，“中奖”和“奖金”明显是一伙的，出现一个，另一个的概率就暴涨；“免费”和“领取”也是一对。它们根本不独立，它们是一起出场的兄弟。

贝叶斯过滤器假装不知道这件事。它把每个词当成一个互不相干的路人，各自投一票，互不串供。

那问题就来了：假设错了，为什么结果还这么准？

因为它的目标不是“算准概率”，是“排对顺序”。

垃圾邮件得分 0.997，正常邮件 0.003。就算真实概率其实是 0.85 和 0.02，两者的相对次序也没变。分类器只需要一条分界线，不需要一把精确的尺子。

这是个特别工程化的智慧：当你只需要排序时，别浪费力气去校准绝对值。

但这句话有个前提，得说清楚——

如果你只是要把邮件分成两堆，排序就够了。可如果你要拿这个概率去做决策（比如“这个病人到底该不该开刀”），排序就不够了，必须校准。这是两件事，别混。

· · ·

六、生活里到处都是它，只是没跟你打招呼

贝叶斯过滤不是只活在邮箱里。换个场景，它就在你手边。

例子一：输入法

你打 “wo xiang chi”，候选第一个是“我想吃”。

为什么不是“我像池”“我向迟”？因为“我想吃”在语料里出现的次数，比另外两个高出几万倍。

输入法干的事就是：给定这串拼音，算一算哪个句子最可能。这不就是 P(句子 | 拼音) 吗。

而且你打了前三个字母 “wo x”，它就已经在猜了——这就是先验在起作用。它不等你打完，它一直在赌。

例子二：天气预报的“降水概率 30%”

很多人以为这是“30% 的地方会下雨”，或者“30% 的时间在下雨”。都不是。

它的意思是：在跟今天类似的气象条件下（气压、湿度、风向、云量），历史上 100 次里有 30 次下了雨。

纯贝叶斯：先验是“这个季节这个月份下雨的基础概率”，然后按今天的观测一点点修正。

例子三：这个最震撼——乳腺癌筛查

假设某种病的发病率是 1%。也就是 1000 个人里有 10 个病人。

检测手段很好：真有病的人，99% 能查出来。没病的人，5% 会被误报成阳性。

现在你去做检查，拿到一张阳性报告。

你的第一反应大概是：完了，99% 的概率。

真实概率是 16.8%。

算给你看，还是 1000 个人：

10 个真病人，99% 被检出 → 9.9 个阳性

990 个健康人，5% 被误报 → 49.5 个阳性

所有阳性加起来：9.9 + 49.5 = 59.4 人

这 59.4 个人里，真病人只有 9.9 个

9.9 ÷ 59.4 ≈ 16.7%

也就是说，拿到阳性报告的人里，六分之五是虚惊一场。

为什么会这样？因为病人太少。基数太小，就算检出率再高，误报的绝对数量也能把真病人淹掉。

这就是贝叶斯最反直觉、也最值钱的地方：它逼你看分母。

所以那些“某某因素致癌风险提高 3 倍”的新闻，如果没有告诉你基础发病率，这个“3 倍”其实毫无意义。基础概率是万分之一，提高 3 倍还是万分之三。而如果基础概率是 10%，提高 3 倍就值得连夜改生活习惯。

同一个倍数，配不同的先验，是两个完全不同的世界。这也是为什么媒体天天用“提高 X 倍”吓人——因为不给你先验，你就只能被那个 X 吓住。

例子四：修 bug

线上报了个 500。你的第一反应不是从头读代码，是心里先排个序：

“昨天刚上线的支付模块，最可疑；缓存层，次之；跑了三年的老代码，基本不可能。”

这就是先验。

然后你看日志：错误发生在 14:03，而 14:02 有一次发布。这个证据把“支付模块”的嫌疑顶到了 90%。

再往下查：14:02 那次发布其实只改了一个配置文件，而那个配置是缓存层的。判断瞬间反转。

你不是“猜对了”，你是“改得及时”。

这也是为什么老手排查问题快——不是他算得快，是他的先验更准。他知道哪个模块常年不稳，哪个模块三年没出过事。这个“谱”，是拿无数次事故换来的。

例子五：相亲

见第一面，印象分 60（先验，来自介绍人的描述和照片）。

吃饭时他对服务员说了声“谢谢”——加分。这个信号在“教养”这个维度上，倍数明显大于 1。

聊到工作，他说“我们那个傻逼领导”——减分。这个信号在“情绪稳定性”上，倍数小于 1。

手机响了，他看了一眼，直接挂掉，说了句“不重要”——小幅加分。

两个小时下来，你的判断从 60 挪到了 78，或者从 60 掉到了 42。

事后朋友问你为什么“感觉对了”或者“感觉不对”，你说不清。因为你的大脑做了几十次贝叶斯更新，但只把最后那个结论输出给了你。中间过程没留下日志。

· · ·

七、它便宜得离谱，所以活了两百五十年

现在有个合理的疑问：都 2026 年了，大模型满天飞，这么个老掉牙的公式还有什么用？

拿它跟深度学习比一比。

	朴素贝叶斯	深度学习
训练数据量	几百条就能跑	几万条起步，上不封顶
训练时间	秒级	几小时到几天
算力	一个 CPU 核	GPU 集群
单条推理	微秒到毫秒	几十毫秒起
可解释性	能告诉你“因为这几个词”	黑箱
垃圾邮件准确率	98% 上下	99% 上下

看最后两行。准确率差 1 个百分点，可解释性差了一整个维度。

在垃圾邮件这个场景里，可解释性比那 1% 重要。用户投诉“为什么我的邮件进垃圾箱了”，你得能答上来。答不上来的系统，用户会直接关掉过滤器。

还有成本。一个日均百万封的邮件网关，全上深度学习，电费和显卡钱是实打实的。而贝叶斯过滤器跑在一台普通服务器上，内存几百兆，稳如老狗。

所以现实中的垃圾邮件系统，通常是混合的：贝叶斯打底做粗筛，再叠上黑名单、发信域名信誉、SPF/DKIM 校验，个别疑难杂症才交给模型。

不是最强的赢，是最合适的活下来。

· · ·

八、它在哪儿翻车

说点实话。贝叶斯过滤不是万能的，它有明确的死角。

翻车一：没见过的词

词库里没有“数字人民币升级认证”这个词，那它的倍数就是“未知”。

而朴素贝叶斯的算法里，没见过的特征算出来是 0。0 乘任何数都是 0——一封邮件里只要有一个生词，整个概率直接归零。

这显然荒唐。没见过的词，不等于不可能出现。

解法叫拉普拉斯平滑：给每个词的计数都加 1（分子分母同时加），把它从 0 拉到一个很小的正数。这是贝叶斯过滤器里最重要的一行代码，没有之一。

但平滑只解决“不至于归零”，解决不了“真的不认识”。新出现的诈骗话术，仍然要等它出现在样本里，模型才学得会。这是所有统计方法的通病：它只能对见过的东西有把握。

翻车二：对抗攻击

垃圾邮件发送者也不傻。他们知道过滤器在看词，于是往邮件里塞一堆“正常词”：

“关于本次项目会议纪要的附件，请查收。顺带一提，恭喜您中奖，免费点击领取。”

前面那些词是“好词”，倍数远小于 1，一路把概率往下拉。这叫“贝叶斯投毒”。

解法：取对数后只保留最强的 15 个证据，而不是全部；或者限制好词的抵消能力——“好词最多只能把分数拉回中性，不能拉到正数”。也有系统直接把好词权重砍半。

这事挺有意思的：只要模型是公开的，就一定有人研究怎么骗它。机器学习和反垃圾，本质上是一场没有终点的军备竞赛。

翻车三：先验是错的

如果你的训练集里 90% 是英文邮件，那模型对中文垃圾邮件的判断会系统性偏弱——不是算法不行，是它一开始看到的“世界”就是歪的。

贝叶斯有个冷酷的特点：它不会告诉你先验是错的，它只会忠实地按错误的先验往下推，而且推得特别有逻辑。

歪掉的先验 + 严密的推理 = 严密的错误。这比随机犯错危险得多。

所以你会发现，很多系统出问题的根源不在算法，在数据。这是所有做模型的人迟早要撞上的墙。

翻车四：长文本的概率塌缩

一篇 5000 字的文章，有 3000 个词特征。就算每个词的倍数只有 1.1，乘 3000 次也是 10 的 124 次方。概率直接饱和到 0 或 1，中间的区分度全没了。

解法还是那两个：取对数、限制特征数量。短文本（邮件、短信、评论）是贝叶斯的主场，长文本它就不灵了。

· · ·

九、最后，聊点不那么数学的

贝叶斯这套东西，最迷人的地方其实不在公式，在它对待“判断”的态度。

它从不认为自己的输出是“真理”。它给出的永远是一个当前的、可修改的、带条件的估计。

P(A | B) 这个记号本身就在说明问题：竖线后面的 B，意思是“在已知 B 的前提下”。换个 B，答案就变了。它不存在无条件的答案。

这跟我们习惯的思维方式挺不一样的。我们习惯“是/不是”、“对/错”、“好人/坏人”。贝叶斯说的是：在你现在掌握的证据下，它更可能是这样。等你掌握更多证据，再说。

我特别喜欢它的一点是：它允许你一开始就错。

先验可以很离谱，没关系。只要证据足够多、足够强，判断会自动收敛到正确的地方。跑一百个证据之后，你从 10% 起步和从 90% 起步，最后的结论几乎一样。

这一点在工程上特别有用。你不需要一开始就设计一个完美的模型，你只需要一个能持续吸收证据的结构。错着错着，就对了。

但它也有冷酷的一面：证据不够的时候，再聪明的推理也救不了你。你只能等，或者去多找点证据。

所以那些“我一眼就看出来了”的判断——有时候是经验丰富（先验准），有时候是运气好，有时候是……你根本没在更新，只是把第一印象重复了一百遍，还越重复越觉得自己有道理。

这三种情况从外面看一模一样，从里面看天差地别。

区别在哪儿？

在于你有没有在问自己那个问题：

“如果我是错的，我现在看到的这些东西，出现的机会有多大？”

问出这句话的人，就已经在做贝叶斯了。

而这个问题，比那个公式有用得多。

——

参考：Thomas Bayes, “An Essay towards solving a Problem in the Doctrine of Chances”（1763，身后发表）；朴素贝叶斯在文本分类中的工程实践，主要参考 SpamAssassin 与 Paul Graham 的 “A Plan for Spam”（2002）。