2020-11-30

2020-11-30 是否要采用朴素贝叶斯（1）

朴素贝叶斯

解释下称其为朴素贝叶斯的原因：因为他假定所有的属性都是相互独立。
朴素概率分为两种：

• 关于类别概率P(C_j)
• 关于属性的条件概率P(A_i|C_j)

类别概率就是每个类在总体中的概率，举个例子：

假设我有 7 个棋子，其中 3 个是白色的，4 个是黑色的。那么棋子是白色的概率就是 3/7，黑色的概率就是 4/7，这个就是类别概率。

条件概率就是P(A|B)，举个例子：

假设我把这 7 个棋子放到了两个盒子里，其中盒子 A 里面有 2 个白棋，2 个黑棋；盒子 B 里面有 1 个白棋，2 个黑棋。那么在盒子 A 中抓到白棋的概率就是 1/2，抓到黑棋的概率也是 1/2，这个就是条件概率，也就是在某个条件（比如在盒子 A 中）下的概率。

训练朴素贝叶斯，就是要算出上述的两种分类，所以要给出数据和数据所属于的分类，也就是说我们要先给出一定的量来作为训练集。计算出结果后，就可以使用这个模型对新数据进行分类。

---

但是特征向量只有7个 用简单的判断，手动穷举完全可以解决，明天再看看