數據挖掘-貝葉斯定理

貝葉斯定理是統計學的一種分類的方法 

最簡單的貝葉斯分類方法稱爲樸素貝葉斯分類的方法 

樸素貝葉斯法的一個重要條件是即一個屬性值對分類的影響獨立於其餘屬性值  也稱爲類條件獨立性

p(H|X)=p(X|H)P(H)/P(X)    其中已經知道後者求前者，。便是後驗=似然X先驗/證據因子

樸素貝葉斯方法易於實現 ，並且在大多數的狀況下可以得到較好的分類準確率。它的劣勢在於它的條件獨立性假設，若是數據之間各個屬性之間有比較強的依賴關係，則不會取得好的結果。

如何處理屬性之間的依賴關係呢?引入了貝葉斯信念網絡

貝葉斯網絡是一個有向無環圖，圖中的節點表明隨機變量，能夠對應於實際數據中的某一個屬性。節點間的邊表明變量之間的直接依賴的關係。

貝葉斯網絡學習 -----------

貝葉斯網絡中的變量能夠是觀測的，或隱藏在全部或某些訓練的元組之中。隱藏數據的狀況也稱爲缺失值或不徹底數據。