09-30 判别分析（贝叶斯案例）

现在人工智能、大数据行业决定定位的核心因素是：企业本身掌握的数据量级，即
掌握的的相关数据量越大，算法作出的模型更加可靠。

判别分析

	（discriminatry analysis ） 的任务是根据已掌握的一批分类明确的样本，建
	立较好的判别函数，使产生错判的事例最少，进而对给定的一个新样品，判
	断它来自哪个总体；

贝叶斯（BAYES）

每个人脑中都有一个贝叶斯

判别思想是根据先验概率求出后验概率，并依据后验概率分布作出统计推断。 
所谓先验概率，就是用概率来描述人们对所研究的对象的认识的程度；
注：
所谓后验概率，就是根据具体资料、先验概率、特定的判别规则所计算出来的概
率，它是对先验概率修正后的结果。

8点10分起床迟到的概率是 –条件概率

费歇判别

思想（FISHER）是 投影（再做分类），使多维问题简化为一维问题来处理，选
择一个适当的投影轴，使所有的样品点都投影到这个轴上得到一个投影值。 对这
个投影轴的方向的要求是： 使每一类内的投影值所形成的类内离差尽可能小，而
不同类间的投影值所形成的类间差离尽可能大。 实际应用不多！！

朴素贝叶斯应用场景：

最基础： 朴素贝叶斯

常用于：
	识别垃圾邮件；