機器學習算法之樸素貝葉斯模型

基本原理 從統計學知識回到我們的數據分析。假如我們的分類模型樣本是： 即我們有m個樣本，每個樣本有n個特徵，特徵輸出有k個類別，定義爲C1,C2,…,Ck,。從樣本我們可以學習得到樸素貝葉斯的先驗分佈P(Y=Ck)(k=1,2,…,K)，接着學習到條件概率分佈P(X=x|Y=Ck)=P(X1=x1,X2=x2,…,Xn=xn|Y=Ck)，然後我們就可以用貝葉斯公式得到X和Y的聯合分佈P(X,Y)了

>>阅读原文<<