统计学习方法—朴素贝叶斯

----------------------阅读 李航《统计学习方法》
1.朴素贝叶斯法的基本假设是：条件独立性（用于分类的特征在类确定的情况下都是条件独立的）

2.朴素贝叶斯属于生成模型：

​ 1) 对于给定训练数据集，学习联合概率分布（X，Y）；

​ 即学习先验概率分布和条件概率分布；

​ 2）基于学习得到的模型，对给定输入，利用贝叶斯定理求出后验概率最大的输出y，即为其分类；

3.朴素贝叶斯法所采用的原理：后验概率最大化等价于0-1损失函数时的期望风险最小化

4.概率估计的方法（估计先验概率后条件概率）：

​ 极大似然估计

	贝叶斯估计 （等价于在随机变量各个取值的频数上赋予一个正数λ）：λ=0为极大似然估计，λ=1为拉普拉斯平滑；