朴素贝叶斯算法

1、（1）垃圾邮件分类
分完后会出现若干概率值，6个类别都有一定的可能性属于这个类别，其中有38%属于产品类，根据朴素贝叶斯算法，就分到产品类。

（2）对文章分类：
对每个样本进行朴素贝叶斯算法分类，分类后得到一些结果：

文章1超过50%都是科技类，我们就把这个文章标记为科技类。文章4金融占比比较多，就分为金融类
2、贝叶斯公式
联合概率：P（A，B）
条件概率：P（A|B）
相互独立：P（A，B）=P（A）P（B）
贝叶斯公式：

w为给定文章的特征值，c为文档类别
朴素：假设特征与特征之间相互独立

P（C）：每个文档类别的概率（某文档类别数/总文档量）
P（W|C）：给定类别下特征的概率
P（F1，F2…）：预测文档中每个词的概率
引入拉普拉斯平滑系数，防止出现概率为0的状况