Bayes理论是统计学中最为经典的理论，在科学研究和工程领域常作为通过先验概率求取后验概率的常用方式。其基本内容是P(A|B) = P(AB)/P(B)。接着全概率公示和该式的变型可以通过各种已知条件将该式转化为非常实用的借助以前的学习范例进行判断的判决公式，从而实现演化学习。
Bayes公式的基本内容是P(A|B) = P(AB)/P(B) 公式1。
由全概率公式P(B) = ∑P(BAi) 公式2。
可知，若A、B事件中已知A的划分内各个子事件发生后B的条件概率。则可求出事件B所发生的概率。同时对公式1变型可得，P(AB) = P(A|B)P(B)或者P(AB) = P(B |A)P(A)。因此，若事件A及事件A条件下事件B所发生的概率均可知，则称和事件A及事件A条件下事件B为先验事件，且其概率为先验概率。
由此得出由先验事件导出后验事件的概率公式为：P(An|B) = P(B |An)P(An)/ ∑P(BAi) = P(B |An)P(An)/ ∑P(B|Ai)P(Ai)。
如果将以前发生的事件全部作为先验事件，同时为先验事件置置信度作为权值，并辅以损失函数。则可在机器学习进行判断时进行损失最小化判断。详细内容再谈了。