朴素贝叶斯NB

1. 朴素贝叶斯公式

• 朴素贝叶斯（Naive Bayes）的"朴素"是假设各个特征之间相互独立
• 算法简单，计算量小，但损失一定的正确率，常用于文本分类
• 通过先验概率+数据，得到后验概率，从而确定分类
• 是一种生成模型，需要找出联合分布P(X,Y)，然后求出P(Y|X)=P(X,Y)/P(X)

朴素贝叶斯的核心思想：选择概率最高的一类作为新样本的属类
$$max[p(c1\mid x,y),p(c2\mid x,y),...,p(cn\mid x,y)]max[p(c1\mid x,y),p(c2\mid x,y),...,p(cn\mid x,y)]max[p(c_1|x,y),p(c_2|x,y),...,p(c_n|x,y)]$$y=argck​max​P(Y=ck​)j=1∏n​P(Xj​=