貝葉斯分類器之樸素貝葉斯算法

樸素貝葉斯分類器（Naive Bayes Classifier）

貝葉斯理論

推廣到多個特徵

樸素貝葉斯分類器（Naive Bayes Classifier）

難點在於：類條件機率是全部屬性的聯合機率，難以從有限的訓練樣本直接估計而得。Naive Bayes Classifier採用了屬性條件獨立性假設(attribute conditional independence assumption)：對已知類別，假設全部屬性相互獨立。
對全部類別來講相同，故略去。

只有當屬性獨立時，才能作最後一步的變形。

獨立和條件獨立

獨立和不相關的區別與聯繫

• 獨立必定不相關

• 不相關未必獨立

舉例：X,Y不相關可是不獨立：

樸素貝葉斯分類器與其餘分類算法的區別是，貝葉斯分類器算出結果是一個機率，而其餘分類器大多算得一個肯定的值

參考資料：http://www.xuetangx.com/cours...
《機器學習》周志華