机器学习（七）——贝叶斯分类器

Ø  求A存在的条件下，B的概率，即P（B/A）； P（B/A）= P（AB）/P（A）=（P（A/B）*P（B））/P（A）； P（B）、P（A）两个概率都是可以从样本中获取的，只需要求P（A/B）； P（A/B）= P（A1/B）+P（A2/B）+P（A3/B）+P（A4/B）……即可； 贝叶斯将条件概率和全概率两个概念结合在一起，求出B条件下A的概率； Ø  假设： 朴素贝叶斯基础假设是，对

>>阅读原文<<