朴素贝叶斯分类器

      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。对于给定的数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于这种模型，对于给定的输入x，利用贝叶斯定理求出后验概率最大的输出y，朴素贝叶斯法实现简单，学习与预测概率都还可以，可用于很多分类场景。

    给定数据集T={（x1，y1），（x2，y2），、、、、（xN，yN）}，通过训练数据集学习联合概率分布P（X，Y）。

关于先验概率与后验概率这里有一篇很好的博客说明 https://www.cnblogs.com/yemanxiaozu/p/7680761.html

关于极大似然估计的一篇博客说明https://www.cnblogs.com/yemanxiaozu/p/7680761.html