朴素贝叶斯之自己梳理

假设A是观测值（特征），B是预测值（标签）

在贝叶斯概率计算中，我们总是利用先验概率$P(A_i|B_j)$来计算后验概率$P(B_j|A_i)$。对于先验概率，我们用抽样的方法，利用极大似然法求得。

贝叶斯公式

经典的贝叶斯公式为：

其中B为标签值，即想预测的值；A是观测值，即样本的属性（或特征）

最左侧拆开条件概率所得的公式，分子用条件概率求，分母用全概公式求

例子理解

西瓜书中挑瓜的例子：

如果要预测【青绿，稍蜷，清脆】这样的瓜是好瓜的概率，即$P(好瓜|[青绿，稍蜷，清脆])$

要用到朴素贝叶斯

朴素贝叶斯有一个前提是：特征之间是相互独立的，即

其中

最后求得

$P([青绿，稍蜷，清脆]|好瓜)=\frac{1}{2}\ast 0\ast 0=0$

对于$P([青绿，稍蜷，清脆])$使用全概公式

将（4）带入（3）后得出最终的朴素贝叶斯预测，结束。