朴素贝叶斯算法

朴素贝叶斯算法的的目的：寻求一个分类器f(n),使得对任意的Xi，通过分类器能找到唯一的Yi。
特征I有{X1,X2,X3…Xn}
类别C有{Y1,Y2,Y3…Yn}
朴素贝叶斯的核心算法：

可以表述成如下形式:

例子：


如果直接在数据中找，不帅/性格不好/身高矮/不上进，最终嫁人的概率，可能为零。通过分别求解，嫁但不帅，嫁性格不好。。。的概率，可以将问题简化处理。
朴素贝叶斯算法的基础是，各个特征之间的独立性。
问题：为什么朴素贝叶斯这么朴素？
答：朴素贝叶斯假设各个特征之间相互独立，彼此不受影响。

朴素贝叶斯理解：
朴素贝叶斯是求解在得到一定条件下，产生某种结果概率的算法（在知道一个人”不帅/上进“情况下，求嫁给此人的概率）；
这个问题可以转化为，在已知的样本中，P（”不帅 上进“，”嫁“）/P（”不帅 上进“）=P(”不帅 上进“|"嫁”）P（“嫁”）/P（”不帅 上进“）。