R--NaiveBayes

 朴素贝叶斯算法是基于贝叶斯定理和假设条件独立的分类方式。可以说贝叶斯定理是算法的核心。朴素贝叶斯分类器（Naive Bayes Classifier|NBC）发源于古典数学理论，有着坚实的理论基础以及稳定的分类效率，模型所需参数较少，对缺失值不敏感，算法也比较简单。
 先来简单说一下bayes定理：
 P(A|B)=P(B|A)*P(A)/P(B)
 其中P(A|B) :后验概率
    P(B|A) :似然概率
    P(A)   :先验概率
    P(B)   :边际似然概率
  （模型中的这些值都是程序自动计算的）
  算法通过待测对象在个分类中的概率来分类，与其他分类算法相比，朴素贝叶斯更实用于那些，数据变量之间相关性很小的数据集，否则，算法的分类效果没有么好。
 naiveBayes算法在R中的实现：
 R中提供的e1071包中的navieBayes函数
 model <- navieBayes(label~.,data,laplace = ?)
 or  model <- navieBayes(data,label,laplace=?)
 pred <- predict(model,test,[type='class'or'raw'])
 其中label 是因子类型 raw 输出为概率，class输出为label