机器学习强基计划4-3：详解朴素贝叶斯分类原理(附例题+Python实现)

0 写在前面

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。

🚀详情：机器学习强基计划(附几十种经典模型源码合集)

---

从本节开始正式进入贝叶斯模型，贝叶斯模型属于概率图模型的范畴，在逻辑推断方面有大量的应用——专家系统、推荐系统等，但同时理论难度比较大。本文首先铺垫贝叶斯基本方法，接着以一个实例引出朴素贝叶斯的概念。

1 贝叶斯方法

贝叶斯方法(Bayesian)是贝叶斯学派思考问题的模式，定义如下：

参数先验信息 π ( θ ) +