朴素贝叶斯算法

朴素贝叶斯算法如何理解？

朴素贝叶斯算法是一个生成式的一个算法

咱们的目的就是分类判断当前的实例x是那个类别的,可是生成式是这样的p(Ck/x)

在实际问题中咱们一般知道p(Ck)这个叫作先验几率。咱们也会知道p(x/ck)中的个数，这种条件几率

那怎么求 p(Ck/x)呢？首先是将条件几率分布转换成p(Ck,x)全分布/p(x)

再将全分布转换成逆条件几率p(Ck)p(x/Ck) ，以后，在将p(x/Ck)展开成独立分布p(x1*x2*x3...xn/Ck)

而后将p(x)转换成全几率公式p(x)===sum(p(x/ck)p(ck))

最后只要求出p(Ck/x)的最大值，只要求出k便可。怎么求，极大似然估计法。

2.在使用极大似然估计法，可能会求出几率为0的问题。怎么办，能够对进行拉普拉斯平滑，这样就能够不会出现几率为0的状况