统计学习方法(第2版 P59~P64) Chapter 4 朴素贝叶斯法------读懂朴素贝叶斯法的若干注意点

1、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。 

1. 贝叶斯定理：见浙江大学《概率论与数理统计》P18式子（5.7）
2. 特征条件独立：在数据集中通常称为特征；特征条件独立就可以理解为数据集的特征A和特征B没有关系，可以参考下该链接   https://zhuanlan.zhihu.com/p/58593725

2、每个样本是n维向量即n个特征；训练数据集T是N个样本，n和N不一定相等；这里的n和N是不一样的不要混淆；输出空间为K种可能性，即样本空间的划分，见参考《概率论与数理统计》P17下，可以理解为K分类问题；将训练数据集写成矩阵更生动形象些；

3、先验概率分布参考《概率论与数理统计》P20;

4、式子（4.3）是特征条件独立推导的结果，即在已知类别为Ck的情况下，n个特征相互独立；发生的概率可以采用连乘进行标示；

5、式子（4.4）即贝叶斯公式的写法，然后将（4.3）带入（4.4）得到式子（4.5）；

6、式子（4.4）写得具有一定的迷惑性，按照下面图片的写法更能和贝叶斯公式对应起来；

7、式子（4.6）分母为定值，所以只需求解分子的最大值即可；