朴素贝叶斯分类器NBC

朴素贝叶斯分类器NBC

朴素贝叶斯算法是统计学的一种分类方法，利用概率统计知识进行分类。朴素贝叶斯一贝叶斯定理为基础，故统称为贝叶斯分类。
##贝叶斯流派
在提出贝叶斯方法之前，人们认为一件事发生的概率0是未知的但是固定的一件事只有发生或不发生两种可能。
而贝叶斯流派认为一件事发生的概率是个不确定的值，概率是人的一个主观概念，代表了对某件事发生的概率的相信程度。

频率流派：

参数0是一个固定的未知数，同时样本x是随机的，频率派研究的重点是样本空间，概率计算是针对样本x的分布。

贝叶斯流派：

参数0是一个随机变量，样本x是固定的，研究的重点是参数0的分布。

贝叶斯定理Bayes theorem

贝叶斯公式：P(A|B) = P(B|A)P(A)/P(B)

解读：

在B出现的前提下事件A发生的概率，等于A出现的前提下事件B发生的概率，乘以事件A单独发生的概率，再除以事件B单独发生的概率。

朴素贝叶斯分类器

把联合概率P(X1,X2,…,Xn|Y)转化为每个类别条件概率的乘积。

条件独立性

通过计算每个X的条件概率来计算每一个组合类的类条件概率

贝叶斯计算过程

• 首先计算每个类别的后验概率
• 然后比较独立特征的条件概率，将概率最大的那个类别作为该样本的类别