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。而朴素贝叶斯(Naive Bayes)分类是贝叶斯分类中最简单,也是常见的一种分类方法。朴素贝叶斯算法的核心思想是通过考虑特征概率来预测分类,即对于给出的待分类样本,求解在此样本出现的条件下各个类别出现的概率,哪个最大,就认为此待分类样本属于哪个类别。
朴素贝叶斯是一个非常直观的模型,很多领域都有应用范围,如早期的文本分类
贝叶斯定理是基于假设的先验概率,给点假设下观察到不同数据的概率
基于贝叶斯定理的贝叶斯是一种非常常用的分类算法,假设带分类项的各个属性相互独立的情况下,这个贝叶斯就是朴素的,称为朴素贝叶斯算法
朴素贝叶斯算法是假定所有输入事件之间都是相互独立的,
这些是一些理论知识点,详细的去看ppt例子是判断西瓜是否是好瓜
其他类型的贝叶斯:
高斯朴素贝叶斯:特征变量是连续变量,符合高斯分布,
多项式朴素贝叶斯:特征变量是离散的,符合多项式分布