机器学习算法之朴素贝叶斯模型

基本原理 从统计学知识回到我们的数据分析。假如我们的分类模型样本是： 即我们有m个样本，每个样本有n个特征，特征输出有k个类别，定义为C1,C2,…,Ck,。从样本我们可以学习得到朴素贝叶斯的先验分布P(Y=Ck)(k=1,2,…,K)，接着学习到条件概率分布P(X=x|Y=Ck)=P(X1=x1,X2=x2,…,Xn=xn|Y=Ck)，然后我们就可以用贝叶斯公式得到X和Y的联合分布P(X,Y)了

>>阅读原文<<