机器学习--day7--NB算法

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