机器学习算法面试—口述（3）：贝叶斯分类器

这个系列是为了应对找工作面试时面试官问的算法问题，所以只是也谢算法的简要介绍，后期会陆续补充关于此算法的常见面试的问题！

贝叶斯分类器的原理其实很简单，知道了贝叶斯公式基本上就知道了贝叶斯分类器的工作原理。对于一个待分类项，求出此项出现的条件下哪个类别的概率大，就判定为哪类，仅次而已。其实贝叶斯分类器是建立在错误的理论上建立起来的分类器，没错就是错误的理论，它假定事物之间是没有联系的（马克思告诉我们，这是不可能的。。。），从而大大的简化了计算。

算法的过程如下：

首先核心的是贝叶斯公式：P(B | A) = P(A, B) / P(B) = P(A | B) * P(A) / P(B)；从而将P(B | A)转化为P(A | B) 。

设X = {a1, a2, ... , am}, a为x的一个属性，C = {y1, y2,..., yn}，为类别。计算P(y1| X), P(y2| X), ...., P(yn| X)哪个大，哪个大就判定为哪个类别。问题的关键就是求P(y1| X), P(y2| X), ...., P(yn| X)，但是直接求