朴素贝叶斯相关知识

朴素贝叶斯 是一种基于概率理论的分类算法，以贝叶斯理论为理论基础，通过计算样本归属于不同类别的概率来进行分类——经典的分类算法。
what is bayesian theory？
贝叶斯理论——基于所能获得的最好证据（观察、数据、信息等），计算亚型信念度（假说/主张/命题）的有效方法。信念度指的是：对事物的真实性和正确性所具有的信心。
朴素：单纯的、粗糙的假设观测值之间是相互独立的。
贝叶斯公式中，P(A)称为"先验概率"，即在B事件发生之前，对A事件概率的一个判断。
P(A|B)称为"后验概率"，即在B事件发生之后，对A事件概率的重新评估。
P(B|A)/P(B)称为"可能性函数"，这是一个调整因子，使得预估概率更接近真实概率。
所以，条件概率可以理解成下面的式子：后验概率＝先验概率ｘ调整因子。

原理图

6c9e73d5f7e94c5d9d27476c90c1ecfc.jpg

优缺点

image.png

参考：
https://mp.weixin.qq.com/s/cL_ZRJq-wwKPW_LxQB-q7g