朴素贝叶斯的简单理解

首先，介绍下全概率公式：$P(A)=\sum_{i=1}^{n}P(B_i)\cdot P(A|B_i)=\sum_{i}^{n}P(AB_i)$

而条件概率：$P(A|B_i)=\frac{P(AB_i)}{P(B_i)}$

上面不是太理解也没关系。我们直接看贝叶斯公式：$P(A|B)=\frac{P(B|A) \cdot P (A)}{P(B)}$
可以将A看成分类的类别，而B看成是输入的特征。上面的公式变形为：
$P(类别|特征)=\frac{P(特征|类别) \cdot P(类别)}{P(特征)}$
这样就非常好理解了，我们最终的目的是分类，而输入的数据是特征，公式左边$P(类别|特征)$，很好的说明了这一点。公式的右边的概率都可以根据现有的数据来进行计算得到。

举个例子：在一个“嫁与不嫁”的分类问题中，其中特征包括“帅？”、“性格好？”、“身高”、“上进？”

假如现在要计算一个“嫁”给一个“不帅”，“性格不好”，“身高矮”，“不上进”的人的概率。即计算$P(嫁|不帅，性格不好，身高矮，不上进)$的概率。
利用贝叶斯公式得：
$P(嫁|不帅，性格不好，身高矮，不上进)=\frac{P(不帅，性格不好，身高矮，不上进|嫁) \cdot P(嫁)}{P(不帅，性格不好，身高矮，不上进)}$

注意为什么叫朴素贝叶斯呢？朴素贝叶斯强调的是各个特征之间是相互独立的，即是“帅？”、“性格好？”、“身高”、“上进？”这些特征不存在关联的关系