一种用于计算条件概率的方法，它基于贝叶斯定理公式：

P(A|B) = P(B|A) * P(A) / P(B)

其中，P(A) 是先验概率，表示在没有任何新信息的情况下，事件 A 发生的概率；P(B) 是边际概率，表示事件 B 发生的概率；P(B|A) 是条件概率，表示在已知事件 A 发生的情况下，事件 B 发生的概率；P(A|B) 是后验概率，表示在已知事件 B 发生的情况下，事件 A 发生的概率。

贝叶斯原理可以用于很多领域，如机器学习、统计学、医学诊断等。它的核心思想是根据先验信息和新观察到的数据来更新我们对事件发生的概率的信念，从而更准确地预测未来的结果。