Task 02: 朴素贝叶斯--阿里云天池

朴素贝叶斯(Naive Bayes)

朴素贝叶斯定义介绍
优点：朴素贝叶斯是基于贝叶斯公式得到的，它有着牢固的数学基础，所以也拥有可靠的分类性能，例如邮件的分类，从中筛选掉垃圾邮件这样的应用中有着朴素贝叶斯分类的影子。
缺点：此模型所需的参数很少，对数据集参数缺失不敏感。

贝叶斯公式

𝑝(𝐴|𝐵)=𝑝(𝐴,𝐵)/𝑝(𝐵)=𝑝(𝐵|𝐴)⋅𝑝(𝐴)/（∑𝑎∈ℱ𝐴𝑝(𝐵|𝑎)⋅𝑝(𝑎)）

其中：
p(A,B)：表示事件A和事件B同时发生的概率。
p(B)：表示事件B发生的概率，叫做先验概率；p(A)：表示事件A发生的概率。

p(A|B)：表示当事件B发生的条件下，事件A发生的概率叫做后验概率。

p(B|A)：表示当事件A发生的条件下，事件B发生的概率。

这也可以用文字理解为：
后验概率 = (似然度 * 先验概率)/标准化常量　也就是说，后验概率与先验概率和似然度的乘积成正比。