机器学习实战第四章 朴素贝叶斯

4.1 基于贝叶斯决策理论的分类方法

贝叶斯决策理论的核心思想：选择高概率对应的类别
假设用p1(x,y)代表数据点(x,y)属于类别1的概率，p2(x,y)代表数据点(x,y)属于类别2的概率，如果p1(x,y)>p2(x,y),那么类别为1，反之为2.

4.2 条件概率
方法一：
条件概率公式：$P(A|B)=\frac{P(AB)}{P(B)}$
方法二：
贝叶斯准则：$P(c|x)=\frac{P(x|c)P(c)}{P(x)}$

4.3 使用条件概率来分类
贝叶斯决策理论真正需要计算和比较的是p(c1|x,y)和p(c2|x,y)，即数据点(x,y)属于类别c1和c2的概率是多少？应用贝叶斯准则得到：
$$p(c_i|x,y)$$