数据挖掘-贝叶斯定理

贝叶斯定理是统计学的一种分类的方法 

最简单的贝叶斯分类方法称为朴素贝叶斯分类的方法 

朴素贝叶斯法的一个重要条件是即一个属性值对分类的影响独立于其余属性值  也称为类条件独立性

p(H|X)=p(X|H)P(H)/P(X)    其中已经知道后者求前者，。便是后验=似然X先验/证据因子

朴素贝叶斯方法易于实现 ，并且在大多数的状况下可以得到较好的分类准确率。它的劣势在于它的条件独立性假设，若是数据之间各个属性之间有比较强的依赖关系，则不会取得好的结果。

如何处理属性之间的依赖关系呢?引入了贝叶斯信念网络

贝叶斯网络是一个有向无环图，图中的节点表明随机变量，能够对应于实际数据中的某一个属性。节点间的边表明变量之间的直接依赖的关系。

贝叶斯网络学习 -----------

贝叶斯网络中的变量能够是观测的，或隐藏在全部或某些训练的元组之中。隐藏数据的状况也称为缺失值或不彻底数据。