用Python学习朴素贝叶斯分类器

朴素贝叶斯算法是机器学习的一个重要算法，尤其是在分类问题上，非常著名。

朴素贝叶斯原理

朴素贝叶斯算法使用每个属性归属于某个类的概率来做预测。这是一种监督学习方法，需要对已归类属性的样本集做概率建模，然后用它对未知样本做预测。

朴素贝叶斯的优势在于它给出了一个强假定：假设每个属性归属于某类的概率独立于其余所有属性。从而简化了概率的计算，产生了一个快速有效的方法。

从概率论的角度来讲，给定一个属性值A，其属于某个类B的概率叫做条件概率P(B|A)。

条件概率公式告诉我们： P(AB)=P(A)P(B|A)=P(B)P(A|B)

由它推导出贝叶斯公式：（常称P(Bi|A)we后验概率，P(Bi)P(A|Bi)为先验概率，P(Bi)为基础概率）