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