机器学习_阅读笔记_朴素贝叶斯

理论

1、算法优缺点：
(1)优点：在数据较少的情况下，依然有效，可以处理多分类问题；
(2)缺点：对输入数据的准备方式较为敏感。
(3)适用于标称型数据

2、条件假设：
(1)假设变量间相互独立，即$p(x|c_i)=p(x_1|c_i)∗p(x_2|c_i)∗···∗p(x_n|c_i)$； ($x_i$可以看做特征)
(2)假设所有变量同等重要。

3、基本原理：
贝叶斯准则：

$$p(c | x) = \frac {p(x | c) p(c)} {p(x)}$$

根据变量相互独立性，对于给定数据$x$，求结果为$c_i$的概率可以表达成

p(ci|x)=p(x1