朴素贝叶斯

朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征独立假设学习输入和输出的的联合概率分布，然后基于此模型，对于给定的输入x,利用贝叶斯定理求出后验概率的最大输出y。

贝叶斯定理

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

对应于分类模型

P(C|W)=P(W|C)*P(C)/P(W) 也就是说在特征是W的情况下，分类是C的概率。可以通过 分类C的条件下，特征为W概率 乘以特征C的概率然后除以特征W的概率。