机器学习笔记 第9课：朴素贝叶斯算法

朴素贝叶斯（Naive Bayes）是一种既简单又强大的预测建模算法。

该模型由两种类型的概率组成，可以直接从你的训练数据中计算出来：

1. 每个类别的概率
2. 给定x值的条件下，每个类别的条件概率

经由概率计算，该模型可以基于贝叶斯定理，对新的数据进行预测。

对于类型为实数的数据，我们通常假设这些数据呈现高斯分布（钟形曲线），以便轻松地估算其概率。

朴素贝叶斯之所以称作朴素，是因为它假设每个输入变量是独立的。 这是一个“强”假设，对于现实世界的数据却是不切实际的。即便如此，该技术对于各类复杂问题仍然非常有效。