朴素贝叶斯分类

假设要对邮件进行分类（spam/non-spam）。为了用向量描述我们的邮件，可以保存所有训练集中的每一个单词，总共有n个不同的单词（比如说总共有50000个不同的单词，通常对于一些叫做stop-word的词不做统计，因为它们一般不提供有用的信息，比如the、a、is这种），那么一封邮件就可以用一个n维的向量表示，邮件中有某个词（字典中的第i个词），那么向量的第i维就是1，否则是0，比如：

类标签y只有0、1两种值，即

对于一封新来的邮件，有判断它是否是垃圾邮件，我们计算p(y=1|x)与p(y=0)