Python機器學習與實戰筆記之樸素貝葉斯分類

1聯合機率分佈 p(x,y)=p(y)P(x|y)  或者p(A交B)=p(A)xp(B)  p(A交B)不容易求,假設條件獨立拆分紅兩個事件的乘積 2基本假設條件獨立性 3利用貝葉斯定理 p(y|x)=P(x,y)/p(x)=p(y)P(x|y)/sum(y-i)[p(y)P(x|y)] y=max p(y)P(x|y) 貝葉斯決策理論要求計算兩個機率p1(x，y),p2(x, y): 若是p1

>>阅读原文<<