機器學習算法系列(7)：樸素貝葉斯

一. 樸素貝葉斯的學習與分類 1.1 貝葉斯定理 1.條件概率 2.全概率公式：若對事件A進行一個劃分，可以將其劃分成若干個Bi子集，且直到A在各個子集出現的條件概率和每個子集本身出現的概率： 3.貝葉斯定理：通過結論來推知條件，可以使用條件概率的定義式推導得到。 分母處的P（A）往往會代換成全概率公式 1.2 特徵條件獨立假設 特徵條件獨立假設是一個較強的假設，所以這樣得到的貝葉斯定理稱爲樸素貝

>>阅读原文<<