朴素贝叶斯定理体现了后验概率 P(y|x) 、先验概率 P(y) 、条件概率 P(x|y)之间的关系: P(y|x)=P(x|y)·P(y)/P(x)。
朴素贝叶斯之所以叫“朴素”是因为它假设输入的不同特征之间是独立的。
构建朴素贝叶斯分类器的步骤如下:
1、根据训练样例分别计算每个类别出现的概率P(yi),
2、对每个特征属性计算所有划分的条件概率P(xi|yi),
3、对每个类别计算P(X|yi)*P(yi),
4、选择3步骤中数值最大项作为X的类别yk。
朴素贝叶斯定理体现了后验概率 P(y|x) 、先验概率 P(y) 、条件概率 P(x|y)之间的关系: P(y|x)=P(x|y)·P(y)/P(x)。
朴素贝叶斯之所以叫“朴素”是因为它假设输入的不同特征之间是独立的。
构建朴素贝叶斯分类器的步骤如下:
1、根据训练样例分别计算每个类别出现的概率P(yi),
2、对每个特征属性计算所有划分的条件概率P(xi|yi),
3、对每个类别计算P(X|yi)*P(yi),
4、选择3步骤中数值最大项作为X的类别yk。