概率：
梯度：
个人理解，梯度可以理解为出现的现象中，该现象变化的一个度，官方解释就是一个一元函数变化的斜率，也就是它的导数，按照生活上的解释可以用汽车的加速度来表示，加速度反应出汽车在行驶的过程中，车速度的变化率，加速度正数那就是加速，加速度负数，那就是减速，梯度其实是一个向量，正负只能表明它的方向与当前方向是否一致。
梯度下降：
梯度是一个向量，梯度下降就是让梯度的变化一点点减少，从而求得最优解，当然也有可能是上升，梯度上升和下降是差不多一个原理，好比家里的炒菜的锅，锅的最底下的地方相对比锅的边缘，我们把这个锅看成一个网状的线，一条线就是一个一元函数，N个一元函数的偏导数相交于一点，那个点就是锅底最低的点，我们不可能直接让这个锅一条直线到这个最低点，那样锅的形状就是个圆锥形了。通过线的斜率，也就是一元函数的斜率一点点减少，让N条线慢慢往下变化，最终都会相交于一个点，这个时候形成的锅，就是这个形状了。
（如果你家里是平底锅，那就当我没说）
贝叶斯定理：
就我个人专业来看贝叶斯定理的话，以及从上面图中公式结合理解，那就只有概率问题适用性，在已知结果下求发生条件的概率。就是说你去赌钱买大小的时候，只有两种可能，要么一个色子加起来的点数属于‘大’（4，5，6），要么属于‘小’（1，2，3），那么在知道是“大”的情况下，点数为‘4’的概率，这个概率问题只能说明它符合贝叶斯定理，可以说是一种逆概率的问题。当然解释还有很多，只提供个人想法。