本文介绍了贝叶斯分类算法在垃圾邮件过滤中的应用。通过贝叶斯定理，理解条件概率和多个条件下的概率计算。文章详细阐述了贝叶斯分类器的原理、步骤，包括样本数据模型、分类器模型的建立以及词汇表的获取。通过实例展示了如何训练分类器，并应用分类器进行垃圾邮件和正常邮件的识别。最后，讨论了贝叶斯分类器的局限性及其在实际问题中的应用。
分类算法有很多种理论，比如决策树理论、K-最近邻法（KNN）理论、朴素贝叶斯理论、神经网络理论等，每种理论都有对应的分类算法。贝叶斯分类算法是众多分类算法中的一种，确切地说是一类，因为这类算法都是以贝叶斯定理为理论基础，所以被统称为贝叶斯分类。这一课我们将介绍贝叶斯分类算法，并用贝叶斯分类算法做一个简单的文本分类器，演示区分垃圾邮件和正常邮件的过滤器原理。
贝叶斯定理
贝叶斯（Thomas Bayes）是个英国牧师，为了证明上帝的存在，他发明了概率统计学原理。这可不是什么讽刺与幽默，历史上很多科学的发现，都是一些神职人员在研究神学过程中的“副产品”，比如被誉为现代遗传学之父的孟德尔（Gregor Johann Mendel）就是一个修道院的神父，他的豌豆实验想必大家都知道。
玩贝叶斯分类算法之前，先要了解一下贝叶斯定理，该定理其实是一个与概率有关的推理，这里就简单介绍一下贝叶斯定理。高能预警：前方有公式，不过放心，贝叶斯定理真的很简单。
概率和条件概率
概率论中常用 表示
订阅专栏 解锁全文
扫一扫
772
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
