朴素贝叶斯分类器

    分类器是根据某一事物一系列特征来判断该事物的类别。朴素贝叶斯分类器就是根据先验概率应用贝叶斯公式来求解 后验概率的一种分类器，哪种类别的概率大，就划分为哪种类别。（先验概率和后验概率不熟悉的请看最大似然估计），其实原理很简单，并不需要什么复杂的训练结构，复杂只是计算量，这个交给计算机即可，所以懂了原理，朴素贝叶斯分类器也就掌握了。先不写理论，以例子开始，希望能说的浅显易懂。

一、西瓜的好坏

    这里是要借鉴周志华老师书中西瓜的例子的形式，这用这类例子讲解贝叶斯分类问题容易理解。现作简化如下：

    现已知7个西瓜的好坏，西瓜的特征有三种：色泽{青绿、乌黑、浅白}，根蒂{蜷缩、稍蜷、硬挺}，敲声{浊响、沉闷、清脆}，不同特征之间的组合，对应着西瓜的好坏，如下表：

    现在拿来一个新的西瓜，只知道它具有如下特征，问这个西瓜是好是坏？

    要得出好瓜还是坏瓜，就要看他们分别对应的概率，谁大就是谁。

    怎么求解呢？根据贝叶斯公式可以根据已知条件来求解

、

    这两个哪个概率大，西瓜就属于那一类。贝叶斯公式忘记的，请看浅谈全概率公式和贝叶斯公式

    由上述公式我们可以看出分母都是一样的，因此在计算的时候这个可以忽略，不影响最终的结果。对与分子中好瓜与坏瓜对应的概率，我们可以根据已知的数据，计算好瓜与坏瓜的比例即可：

    那么对于，这是关于特征的联合概率，该怎么求呢？直接 根据出现频率来作为概率？那么不好意思，上述情况没有在给出的数据中出现！但是如果这些特征之间是相互独立的，那就容易了，因为每个特征取值出现的频率还是很好求的，分别对应相乘即可。比如p(蜷缩|好瓜=是) = 2/3。上述公式就化为如下形式：

为什么要这么做呢？这就要说到朴素贝叶斯的由来了。

二、”朴素”由来

    所谓朴素就是假设特征之间是相互独立的