一、貝葉斯定理:3d
二、樸素貝葉斯分類器blog
樸素貝葉斯分類的正式定義以下:get
一、設爲一個待分類項,而每一個a爲x的一個特徵屬性。it
二、有類別集合。im
三、計算。d3
四、若是,則
。統計
那麼如今的關鍵就是如何計算第3步中的各個條件機率。咱們能夠這麼作:圖表
一、找到一個已知分類的待分類項集合,這個集合叫作訓練樣本集。db
二、統計獲得在各種別下各個特徵屬性的條件機率估計。即。img
三、若是各個特徵屬性是條件獨立的,則根據貝葉斯定理有以下推導:
由於分母對於全部類別爲常數,由於咱們只要將分子最大化皆可。又由於各特徵屬性是條件獨立的,因此有:
四、P(x) = P(x1)*P(x2)*P(x3)...
根據上述分析,樸素貝葉斯分類的流程能夠由下圖表示(暫時不考慮驗證):