【分类模型学习】-朴素贝叶斯

分类问题综述

分类问题在生活中很常见，我们可以从数学角度做如下定义：
已知类别集合和待分类项集合，需要确定出映射规则，使得任意的有且仅有一个使得成立

朴素贝叶斯方法

朴素贝叶斯法（Naive Bayes model）是基于贝叶斯定理与特征条件独立假设的分类方法，朴素贝叶斯的思想基础是这样的：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。即在中找到最大的,认为

那么现在的关键就是第三步中 如何计算的问题。
根据贝叶斯定理
,分母对所有类别为常数，可以省略
又根据特征属性相互独立可以得到

所以只需要计算 来在 中得到max ，就可以确定 的类别 。