朴素贝叶斯算法

[qq721686791]

  朴素贝叶斯算法是统计学味道最浓的一款算法，也是最能体现我们日常生活经验的算法；
  与我们读万卷书行万里路形成我们自己的生活经验类似，朴素贝叶斯算法也是基于收集的历史数据分析得到相关事情发生的原因，从而形成解决问题的模型；
  与我们面对未知的未来类似，基于自己的生活经验计算各种可能的情况，最终选择一个最大可能的方向进行努力 ，朴素贝叶斯算法也是基于学习的模型计算给定的输入属于各个分类的概率，并选择概率最大的分类作为结果；
  朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常用的方法；该算法是基于贝叶斯定理和特征条件独立假设的分类算法；该算法首先通过分析训练数据得到先验概率、似然度，从而得到输入输出的联合概率分布；最后基于此训练模型，利用贝叶斯定理计算得到输入的后验概率最大的分类；
  联合概率P(X,Y)是通过计算先验概率和条件概率得到的；
朴素贝叶斯法通过训练数据集学习得到先验概率(=),=1,2,3,...,P(Y=ck),k=1,2,3,...,K
条件概率(=|=)=((1)=(1),...,()=()|=),=1,2,3,...,P(X=x|Y=ck)=P(X(1)=x(1),...,X(n)=x(n)|Y=ck),k=1,2,3,...,K