朴素贝叶斯

拉普拉斯平滑

朴素：特征条件独立
贝叶斯：基于贝叶斯定理

使用场景：
文档分类，垃圾邮件分类

优点：
1.生成式模型，通过计算概率来进行分类，可以用来处理多分类问题，
2.对小规模的数据表现很好，适合多分类任务，适合增量式训练，算法也比较简单
3.对缺失数据不太敏感，算法也比较简单，常用于文本分类
缺点：
1.对输入数据的表达形式很敏感，
2.由于朴素贝叶斯的“朴素”特点，所以会带来一些准确率上的损失。需要一个比较容易解释，而且不同维度之间相关性较小的模型的时候。
3.需要计算先验概率，分类决策存在错误率。