機器學習-23：MachineLN之樸素貝葉斯

你要的答案或許都在這裏：小鵬的博客目錄 學習樸素貝葉斯需要清楚下面幾個概念： 貝葉斯模型是指模型參數的推斷用的是貝葉斯估計方法，也就是需要指定先驗分佈，再求取後驗分佈。 貝葉斯分類是一類算法的總稱，這類算法均以貝葉斯定理爲基礎，故統稱貝葉斯分類。而貝葉斯分類中最簡單的一種：樸素貝葉斯，即對條件概率分佈作了條件獨立性假設， 下面看一下某大神舉的簡單例子，看一下這種條件獨立性建設的方便性和實用性: 某

>>阅读原文<<