Day 675：机器学习笔记（4）

回归模型输出的是连续值，而分类模型输出的则是离散值。

今天主要是贝叶斯分类。

贝叶斯定理本质上说的是在信息不足的情况下如何进行预测，即B出现的前提下A页出现的概率，等于A和B都出现的概率除以B出现的概率。

一般化之后：

朴素贝叶斯分类器的一种实现方法是算出各种值的出现的频率，并将频率看做概率，最高者为预测出的类别。

另一种方法是条件概率的参数估计，即通过该特征在样本红的分布来计算该特征的条件概率。