朴素贝叶斯模型

朴素贝叶斯模型，全称为：Naive Bayesian Model，Naive 能翻译为朴素，已经是很高看它了，因为我们知道naive的含义如下：

naive: marked by or showing unaffected simplicity and lack of guile or worldly experience;

它是简单的，它是缺乏worldly experience的。

正如它的名字一样，朴素贝叶斯模型假设样本特征彼此独立，没有相关关系。正如我们所知，这个假设在现实世界中是很不真实的，因此，说朴素贝叶斯真的很“朴素”。

但，朴素贝叶斯模型就没用了吗？ 不是的。这个假设现实中基本上不存在, 但特征相关性很小的实际问题还是很多的, 所以这个模型仍然能够工作得很好。

关于朴素贝叶斯的详细例子解释和实战，大家可参考公众号界面的菜单：

下面是朴素贝叶斯的例子解释。

假如我是一个质检员，现在接到了三箱零件需要检验，其中第一箱有10个零件，第二箱有20个零件，第三箱有15个。半小时过去了，检验的结果出炉，第一箱有1个不合格，第二箱有3个不合格，第三箱2个不合格。

下午领导要来视察了，看看我验的货到底有没有问题，于是他随手拿了一个零件，我心里默默计算，领导拿到这个件为合格件的概率有多大？

在这个问题中，领导拿的这个零件首先一定在这3个箱子中的某一个，因此样本空间可以由这3个箱子组成，记 Ai 为从第i个箱子拿的零件，i的取值范围为1,2,3。然后再用一个事件来标记拿到正品，记为B，因此，领导拿到这个件为合格件的概率ÿ