朴素贝叶斯

朴素贝叶斯

朴素贝叶斯（Naive Bayes ） 是基于贝叶斯定理与特征条件独立假设的分类方法。朴素贝叶斯分类器发源于古典数学理论，有着坚实的数学基础，以及稳定的分类效率。同时，模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。

朴素贝叶斯原理

1. 概率公式

1. 条件概率：表示事件A在另外一个事件B已经发生条件下的发生概率，P(A|B)
   • 在女神喜欢的条件下，职业是程序员的概率？
     1. 女神喜欢条件下，有 2、3、4、7 共 4 个样本
     2. 4 个样本中，有程序员 3、4 共 2 个样本
     3. 则 P(程序员|喜欢) = 2/4 = 0.5
2. 联合概率：表示多个条件同时成立的概率，P(AB) = P(A) P(B|A)
   特征条件独立性假设：P(AB) = P(A) P(B)
   • 职业是程序员并且体型匀称的概率？
     1. 数据集中，共有 7 个样本
     2. 职业是程序员有 1、3、4 共 3 个样本，则其概率为：3/7
     3. 在职业是程序员，体型是匀称有 3 共 1 个样本ÿ