《机器学习实战》-朴素贝叶斯笔记

本章内容

使用概率分布进行分类

分类：
if p1(x,y)>p2(x,y),属于类别1
if p1(x,y)>p2(x,y),属于类别2

如何计算概率值呢？

$$p(ci|x,y)=\frac{p(x,y|ci)p(ci)}{p(x,y)}$$
即在(x,y)的条件下属于类别ci的概率值

学习朴素贝叶斯分类器

朴素贝叶斯的一般过程：
1、收集数据
2、准备数据
3、分析数据
4、训练算法
5、测试算法：计算错误率
6、使用算法

例子1：使用Python进行文本分类
背景：构建一个快速过滤器，判断在线社区留言板是否使用了负面或者侮辱性的语言
Step 1: 创建字典作为特征
将每一篇文档转换为词汇表上的向量

//训练样本
def loadDataSet():
    postingList=[['my', 'dog', 'has',