機器學習實戰-樸素貝葉斯

樸素貝葉斯（naive Bayes）法是是基於貝葉斯定理 和特徵條件獨立假設的分類方法，對於給定的訓練數據集，首先基於特徵條件獨立假設學習輸入/輸出的聯合分佈概率；然後基於此模型，對給定的輸入x，再利用貝葉斯定理求出其後驗概率最大的輸出y。 樸素貝葉斯以自變量之間的獨立（條件特徵獨立）性和連續變量的正態性假設爲前提，就會導致算法精度在某種程度上受影響。 樸素貝葉斯數學表達是下面這個貝葉斯公式： 實

>>阅读原文<<