机器学习算法 —— 朴素贝叶斯

🌟欢迎来到 我的博客 —— 探索技术的无限可能！

🌟博客的简介（文章目录）

朴素贝叶斯

朴素贝叶斯的介绍

朴素贝叶斯法 = 贝叶斯定理 + 特征条件独立。

        朴素贝叶斯（Naive Bayes）是基于贝叶斯定理的概率分类算法。该算法假设特征之间相互独立，即某个特征的存在或缺失与其他特征无关。尽管这种假设在实际中可能并不完全成立，但朴素贝叶斯在许多实际应用中表现出色。朴素贝叶斯分类器根据每个特征的条件概率来计算每个类别的后验概率，并选择具有最高后验概率的类别作为预测结果。常见的朴素贝叶斯模型包括高斯朴素贝叶斯、伯努利朴素贝叶斯和多项式朴素贝叶斯。

贝叶斯公式是英国数学家提出的一个数据公式:
p(A,B)：表示事件A和事件B同时发生的概率。

p(B)：表示事件B发生的概率，叫做先验概率；p(A)：表示事件