朴素贝叶斯算法

 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单，也是常见的一种分类方法。

贝叶斯公式：

换种写法：

例题：

患有贝叶死的情况下，测出为阳性的概率为 P(A|B1)=99.9%，没有患贝叶死，但测出为阳性的概率为 P(A|B2)=0.1%。对万分之一的解读：。患有贝叶死的概率为 P(B1)=0.01%，没有患贝叶死的概率P(B2)=99.99%。P(A) 为检测阳性的概率

求解检测为阳性，没有患贝叶死的概率？P(B2|A)？

P(B2|A)= P(A|B2)*P(B2)/P(A)

P(A)= P(A|B1)*P(B1)+P(A|B2)*P(B2)

所以P(B2|A) = 0.001*0.9999/(0.999*0.0001+0.001*0.9999)= 0.0009999/0.00109979001 = 0.9107385999873759

朴素贝叶斯分类的优缺点

优点：

（1） 算法逻辑简单,易于实现

（2）分类过程中时空开销小

缺点：

理论上，朴素贝叶斯模型与其他分类方法相比具有最小的误差率。但是实际上并非总是如此，这是因为朴素贝叶斯模型假设属性之间相互独立，这个假设在实际应用中往往是不成立的，在属性个数比较多或者属性之间相关性较大时，分类效果不好。