【代码分享】系列之朴素贝叶斯（github clone）

前言朴素贝叶斯是一种使用概率论来分类的算法。其中朴素：各特征条件独立；贝叶斯：根据贝叶斯定理。根据贝叶斯定理，对一个分类问题，给定样本特征x，样本属于类别y的概率是： 在这里，x 是一个特征向量，设 x 维度为 M。因为朴素的假设，即特征条件独立，根据全概率公式展开，上式可以表达为：这里，只要分别估计出，特征 Χi 在每一类的条件概率就可以了。类别 y 的先验概率可以通过训练集算出，同样通过训练集上的统计，可以得出对应每一类上的，条件独立的特征对应的条件概率向量。 内容整理自《机器学习实战》优点：在数据较少的情况下仍然有效，可以处理多类别问题。缺点：对于输入数据的准备方式较为敏感。适用数据类型：标称型数 ………………………………