朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。
一、朴素贝叶斯法理论知识
1. 朴素贝叶斯法的学习与分类
1.1基本方法:
①先验概率分布
②条件概率分布
③条件独立性假设
条件独立假设是说用于分类的特征在类确定的条件下都是条件独立的。(这能使朴素贝叶斯法变得简单,但有时会牺牲一定的分类准确率)
④联合概率分布
⑤后验概率