----------------------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;