分类

做宝可梦属性分类

一个宝可梦可以用一个向量（vector）来表示，里面有7个属性

训练集样式

我们希望在分类函数f(x)内部有个g(x)，大于0，输出一类，否则另一类

损失函数定义为分类失败的次数，分类失败，就为1

贝叶斯公式，已知从选Box1   的概率和从Box1中挑选蓝色球的概率 ，

在已知是蓝色球的情况下，问从Box1来的概率。知果求因。这个因（盒子）就是类别。

和叫作先验概率，是一种总体的分布。

1.根据样本，算class的总体分布情况。
2.假设一个模型(高斯)，用极大似然估计算x的参数，得到x的分布
3.求p(x|c)p(c)可以用x,c的联合分布求P(xc)
4.求贝叶斯的分母可以用x的边缘分布,对c积分
5.根据贝叶斯公式代值进去，然后算概率p(c|x)
   >0.5可以划为class1
   否则class2
分类结束

求x是Class1 的概率,就是在x的条件下的条件概率

分母就是P(x)的几率，全概率公式

每一个宝可梦用一个向量描述，向量里面有器特征，这里仅仅取两个特征防御和特殊防御

假设79个的分布构成的是高斯分布，然后我们就可以根据海龟的向量来预测它是水系宝贝的概率

如果X向量的各个特征均独立，可以拆成下面酱紫，每一个都可以看成高斯分布，这就是朴素贝叶斯