高斯贝叶斯分类器_从零开始学Python【37】朴素贝叶斯模型（理论部分）

【知识铺垫】

在介绍如何使用贝叶斯概率公式计算后验概率之前，先回顾一下概率论与数理统计中的条件概率和全概率公式：

如上等式为条件概率的计算公式，表示在已知事件A的情况下事件B发生的概率，其中P(AB)表示事件A与事件B同时发生的概率。所以，根据条件概率公式得到概率的乘法公式：。

事件A的概率可以根据全概率公式计算得到：

如上等式即为全概率公式，其中事件构成了一个完备的事件组，并且每一个均大于0。该公式表示，对于任意的一个事件A来说，都可以表示成n个完备事件组与其乘积的和。

【贝叶斯公式】

在具备上述的基础知识之后，再来看看贝叶斯公式。如前文所说，贝叶斯分类器的核心就是在已知X的情况下，计算样本属于某个类别的概率，故这个条件概率的计算可以表示为：

其中，表示样本所属的某个类别。假设数据集的因变量y一共包含k个不同的类别，故根据全概率公式，可以将上式中的分母表示成；再根据概率的乘法公式，可以将上式中的分子重新改写为。对于上面的条件概率公式而言，样本最终属于哪个类别，应该将计算所得的最大概率值