朴素贝叶斯法 朴素贝叶斯(naïve Bayes)法是基于贝叶斯定理与特征条件独立假设的分类方法。 对于给定的训练数据集,首先基于特征条件独立假设学习输入/输出的联合概率分布;然后基于此模型,对给定的输入x,利用贝叶斯定理求出后验概率最大的输出y。朴素贝叶斯法实现简单,学习与预测的效率都很高,是一种常用的方法。 朴素贝叶斯法的学习与分类 基本方法 后验概率最大化的含义 朴素贝叶斯法的参数估计 极大似然估计 学习与分类算法 下面给出朴素贝叶斯法的学习与分类算法。