朴素贝叶斯

参考文献：

http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/

https://blog.csdn.net/sinat_36246371/article/details/60140664

朴素贝叶斯分类器：

(x1,x2,…,xn)=(气压，湿度，温度，…)

(y1,y2)=(晴，雨) 

假设通过气压，湿度，温度，的情况去推测天气是否下雨，  

上述问题可以表示为：

        已知X（气压，湿度，温度，…）时天气为Y(晴，雨)的概率。

这个问题实际上就是一个条件概率

由条件概率公式可得，P(Y|X)=P(X,Y)/P(X)

        根据贝叶斯定律：P(Y|X)=P(X|Y)P(Y)/P(X)

取P(Y|X)最大时的Y值为预测的情况，同时由于P(x)对所有类别相同，上面的公式可以改写为：

            Yi=argmax P(Y|X)=argmax P(Y)P(X|Y)

分别计算P(Y)、P(X|Y)可以推断出Y

P(Y)即先验概率，统计数据集中Y的分布情况，P(y=晴）=（晴的天数）/(总的天数）

P(X|Y)为条件概率，

如X为离散变量：P(x=出太阳|y=晴)=（晴的时候出太阳的天数）/(晴的总天数)

如X为连续变量：