機器學習（七）——貝葉斯分類器

Ø  求A存在的條件下，B的概率，即P（B/A）； P（B/A）= P（AB）/P（A）=（P（A/B）*P（B））/P（A）； P（B）、P（A）兩個概率都是可以從樣本中獲取的，只需要求P（A/B）； P（A/B）= P（A1/B）+P（A2/B）+P（A3/B）+P（A4/B）……即可； 貝葉斯將條件概率和全概率兩個概念結合在一起，求出B條件下A的概率； Ø  假設： 樸素貝葉斯基礎假設是，對

>>阅读原文<<