sklearn的机器学习之路：朴素贝叶斯

1. 基础概念

什么是朴素贝叶斯：贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。

贝叶斯公式：

$$P(Y|X)=\frac{P(X|Y)P(Y)}{P(X)}$$
X:特征向量 Y:类别

先验概率$P(X)$：先验概率:是指根据以往经验和分析得到的概率。
后验概率$P(Y|X)$：事情已经发生，要求这件事情发生的原因是由某个因素引起的可能性的大小。
类条件概率$P(X|Y)$：在已知某类别的特征空间中，出现特征值X的概率密度。

朴素：朴素贝叶斯算法是假设各个特征之间相互独立，也是朴素这词的意思。那么贝叶斯公式中$P(X|Y)$可写成

P(X|Y)=P(x1|Y)P(x2|Y)⋯P(x