Python 机器学习及实践——朴素贝叶斯理论

朴素贝叶斯理论 朴素贝叶斯（naive Bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。朴素贝叶斯法实现简单，学习与预测的效率都很高，是一种常用的方法。 1. 基本原理介绍 对于多分类模型：假设有 K 种可能的类别标记，即 y={ C1，C

>>阅读原文<<