朴素贝叶斯

朴素贝叶斯
    [知道]常见的概率公式
        条件概率:表示事件A在另外一个事件B已经发生条件下的发生概率,P(A|B)
        联合概率:表示多个条件同时成立的概率,P(AB) = P(A) P(B|A)
特征条件独立性假设: P(AB) = P(A)P(B)
        联合概率+条件概率:
P(AB|C) = P(A|C) P(B|AC)
        简言之：
条件概率：在去掉部分样本的情况下，计算某些样本的出现的概率，表示为：P(B|A)
联合概率：多个事件同时发生的概率是多少，表示为：P(AB) = P(B)*P(A|B)
    [理解]贝叶斯公式
        
        1. P(C) 表示 C 出现的概率
2. P(W|C) 表示 C 条件 W 出现的概率
3. P(W) 表示 W 出现的概率
    [理解]朴素贝叶斯
        特征条件独立假设**，即：特征之间是互为独立的
    【知道】拉普拉斯平滑系数
        我们只需要知道为了避免概率值为 0，我们在分子和分母分别加上一个数值，这就是拉普拉斯平滑系数的作用。
    [知道]API介绍
        sklearn.naive_bayes.MultinomialNB(alpha = 1.0)
        - 朴素贝叶斯分类
        - alpha：拉普拉斯平滑系数